基于机器学习模型的短期和中长期电力负荷预测方法

摘要

本发明公开了一种基于机器学习模型的短期和中长期电力负荷预测方法。首先对数据进行预处理，即平滑异常数据和填补缺失数据，分析影响负荷变化的因素，包括历史数据、时间周期性、天气变量特征。为了加快学习速度和提高预测精度对所有输入变量进行归化。本发明比较了线性回归、支持向量回归和梯度提升回归在短期和中长期电力负荷预测中的表现。随着预测时间的延长，梯度提升回归模型的性能优于其他两种模型的性能。本发明提出了一种将梯度提升回归树作为基分类器的AdaBoost算法，进行负荷预测，有效提高了电力负荷预测的精度。