公开(公告)号：CN115130741A

公开(公告)日：2022-09-30

申请号：CN202210699834.0

申请日：2022-06-20

Applicant: 北京工业大学

Inventor： 赵旭 ,  姬庆庆 ,  张世俞 ,  谢昕彤 ,  李耀伟 ,  白吉康 ,  段俏 ,  黄春莉 ,  叶子静 ,  冯相融

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N20/20 ,  G06K9/62 ,  G06F17/18

Abstract: 本发明公开了基于多模型融合的多因素电力需求中短期预测方法，通过融合多种模型对不同时长条件下的电力需求进行预测，在有效提升预测精度的前提下节省大量预测时间。GBDT、XGBoost和LightGBM三种模型均属于Boosting模型，是基于决策树的一种决策模型，通过在决策树中寻找最优解求解目标问题的答案。使用Stacking框架分两层对电力数据进行预测，在由GBDT、XGBoost和LightGBM三种Boosting模型完成预测后，由LR模型对预测结果进行修正后输出，增强了预测的准确度和可信度。将三个模型进行联合，共同对电力需求进行预测，从而使三个模型能够形成互补，带来更高精度的预测结果。本方法属于决策搜索型优化求解算法，因此在决策所需时间上远低于人工智能算法。