[发明专利]一种基于双层XGBoost考虑多特征的电力系统负荷预测方法

权利要求书

1.一种基于双层XGBoost考虑多特征的电力系统负荷预测方法，其特征在于，所述基于双层XGBoost考虑多特征的电力系统负荷预测方法包括以下步骤：

S1，选择预测日之前的n个相似类型的负荷序列；每个日期的采样点为96点，即每15min采样一次；

S2，采集选择n个相似类型日期的特征数据；包括时间、气象、日期类型等；

S3，清洗数据，去除选择相似类型日的历史负荷及特征数据集中的异常值、缺失值等噪声数据；

S4，建立第一层考虑复杂影响因素的XGBoost模型；获取模型参数、预测结果及特征相关性排名；

S5，基于交叉验证对数据进行分块；分为测试集和验证集；

S6，通过构建的第二层XGBoost预测模型，将提取的特征向量及历史负荷数据共同作为输入进行预测训练，通过双层XGBoost预测方法预测第n+1天15min粒度的负荷值。

S7，计算预测精度。

所述S4建立第一层考虑复杂影响因素的XGBoost模型的步骤包括：

S401，初始设定XGBoost模型超参数；

S402，构建第一层XGBoost预测模型；

S403，输出预测结果、模型参数及选择特征对负荷影响排序；筛选显著影响负荷的特征集。

2.根据权利要求1所述的一种基于双层XGBoost考虑多特征的电力系统负荷预测方法，其特征在于：所述相关负荷影响特征数据集包括时间X0、降水X1、气压X2、最大气压X3、最小气压X4、气温X5、最大气温X6、最小气温X7、相对湿度X8、最小相对湿度X9、地面温度X10、最大地面温度X11、最小地面温度X12、当前天气X13、附近变压器上一时段负荷X14、风向X15、风速X16、上一时段气温X17、上一时段负荷X18、日期类型X19，上述特征数据及对应历史负荷数据将作为第一层XGBoost预测模型数据输入。

3.根据权利要求1所述的一种基于双层XGBoost考虑多特征的电力系统负荷预测方法，其特征在于：在S4建立第一层考虑复杂影响因素的XGBoost模型的步骤中，具体如下：

S401，初始设定XGBoost模型超参数

初始设定XGBoost模型超参数

S402，构建第一层XGBoost预测模型

构建考虑复杂影响因素的第一层XGBoost负荷预测模型；

S403，输出预测结果、模型参数及选择特征对负荷影响排序；筛选显著影响负荷的特征集；

输出预测结果并计算准确率，输出模型参数作为第二层预测模型的初始参数，根据特征对负荷影响相关性排序筛选显著影响负荷的特征集。