典型文献
基于梯度提升决策树的电力物联网用电负荷预测
文献摘要：
在电力物联网系统中,为用户提供准确、快速的用电负荷预测一直起着至关重要的作用.由于台区内用户活动的可变性,导致用电负荷通常波动较大,传统方法往往难以准确预测.为了满足智能化、多功能的电力物联网监测,提出了一种基于梯度提升决策树的用电负荷预测方案.首先对台区内历史用电数据进行预处理,并构建时间窗口特征.然后使用基于梯度提升决策树的XGBoost和LightGBM交叉构建预测算法,并采用该算法预测下一时间段短期用电负荷结果,实现台区用电分析.最后与现有方案相比较,本文提出的方案可提供准确的负荷预测结果,在即将发生超负荷用电或者当前台区即将发生大规模停电时,能够及时发出预警.
文献关键词：
电力物联网;机器学习;用电信息;负荷预测
中图分类号：
作者姓名：
刘瑾;赵晶;冯瑛敏;周超;姜美君;章辉
作者机构：
国网天津电力经济技术研究院,天津 300171;南开大学,天津市光电传感器与传感网络技术重点实验室天津 300350
文献出处：
引用格式：
[1]刘瑾;赵晶;冯瑛敏;周超;姜美君;章辉-.基于梯度提升决策树的电力物联网用电负荷预测)[J].智慧电力,2022(08):46-53
A类：
B类：
梯度提升决策树,电力物联网,用电负荷预测,物联网系统,直起,台区,可变性,致用,准确预测,物联网监测,预测方案,用电数据,时间窗口,XGBoost,LightGBM,预测算法,算法预测,用电分析,超负荷,前台,大规模停电,用电信息
AB值：
0.294048
相似文献
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。
