典型文献
基于改进Prophet算法的短期日负荷预测方法研究
文献摘要：
将Prophet算法引人负荷预测领域,并结合XGBoost算法提升Prophet负荷预测准确性.Prophet算法基于时间序列分解及机器学习的拟合,将负荷数据分解为趋势项、周期项、随机波动项3部分,引人XGBoost算法改进Prophet算法对随机波动项的预测,将XGBoost算法对随机波动的预测结果与Prophet算法对趋势项和周期项的预测结果叠加,获得最终的预测结果.该算法适用于用电负荷这种具备一定周期变化特征的序列,易于理解,预测准确性较高.通过某地区用电信息采集系统提供的专公变用户日冻结数据实验验证,结果表明在相同条件下,改进后的算法预测的结果的平均绝对误差百分比较原始的Prophet算法可降低2.5％,同时均方根误差降低幅度可达30.79％,体现出显著的改进效果.
文献关键词：
短期负荷预测;可分解模型;预测精度;Prophet;XGBoost
中图分类号：
作者姓名：
刘涅煊;杨学良;陶晓峰;黄福兴;陆春艳
作者机构：
国网电力科学研究院有限公司(南瑞集团有限公司),南京 211106
文献出处：
引用格式：
[1]刘涅煊;杨学良;陶晓峰;黄福兴;陆春艳-.基于改进Prophet算法的短期日负荷预测方法研究)[J].电力需求侧管理,2022(05):58-63
A类：
可分解模型
B类：
Prophet,期日,负荷预测方法,XGBoost,预测准确性,时间序列分解,负荷数据,数据分解,趋势项,周期项,随机波,算法改进,用电负荷,周期变化,某地区,用电信息采集系统,冻结,算法预测,平均绝对误差,改进效果,短期负荷预测
AB值：
0.273832
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
