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。