公开(公告)号：CN110472778A

公开(公告)日：2019-11-19

申请号：CN201910690227.6

申请日：2019-07-29

Applicant: 上海电力大学

Inventor： 许佳辉 ,  王向文 ,  杨俊杰 ,  刘子琦 ,  孙充 ,  戚创创

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N20/20 ,  G06N20/10

Abstract: 本发明涉及一种基于Blending集成学习的短期负荷预测方法，包括步骤：1、数据预处理；2、将数据分为训练集、验证集、测试集；3、搭建两层Blending模型，第一层模型选择学习能力、预测性能优秀的多个不同模型作为初学习器，第二层选择XGBoost模型作为次学习器，并再将训练集、验证集以HOLD-OUT方法分成两部分，第一部分数据集作为第一层模型的训练数据，将训练好的优秀模型分别预测第二部分数据集和步骤2中的测试集；4、将步骤3中预测的输出作为一个新的数据集，来训练XGBoost模型；5、调整XGBoost模型超参数，使其达到最好的效果得到预测结果。与现有技术相比，本发明具有更好的泛化能力，比单一模型具有更好的自适应能力及更高的精度。

公开(公告)号：CN110543988A

公开(公告)日：2019-12-06

申请号：CN201910804739.0

申请日：2019-08-28

Applicant: 上海电力大学

Inventor： 杨俊杰 ,  刘军 ,  刘子琦 ,  方济城 ,  邵凌峰 ,  朱彬斌 ,  王晶晶 ,  颜浩

IPC: G06Q10/04 ,  G06K9/62 ,  G06Q50/06

Abstract: 本发明涉及一种基于XGBoost算法的光伏短期出力预测系统及方法，系统包括数据挖掘单元和二次深度挖掘单元，数据挖掘单元包括：数据预处理模块，用于对输入特征数据进行预处理；数据集划分模块，用于将数据预处理模块中预处理完成的输入特征数据划分为多个数据集；二次深度挖掘单元包括：预测模块，用于利用特征数据对预测模型进行模型训练，得到训练完成的预测模型；训练模块，用于利用训练完成的预测模型，进行光伏短期出力预测，输出包括光伏输出功率在内的预测结果；预测模型采用XGBoost算法，并采用CART树作为基学习器。与现有技术相比，本发明具有预测算法高效和预测结果精准等优点。