负荷功率模型的最优特征选择研究

负荷功率模型的最优特征选择研究
负荷功率呈现时空多样的变化特性，其影响因素众多，构建负荷功率模型的关键之一是确定模型的输入特征量。文中着重研究短期负荷功率模型的特征选择，旨在从历史负荷、气象、日期等众多特征中选出最优特征集。首先，采用最大信息系数、基于支持向量机的递归特征消除法和随机森林3种不同特征选择方法分别对输入特征集进行选择；然后，根据对比分析结果提出基于遗传算法的最优特征集搜索策略，选定XGBoost预测模型的误差指标作为适应性函数进行迭代优化搜索；最终，确定负荷功率模型的最优特征输入集。采用某地区220 kV变电站母线负荷数据进行算例分析，对比各方法所选特征集作为功率模型输入得到的负荷预测效果，验证了文中方法的有效性和准确性。

标题：
负荷功率模型的最优特征选择研究
Optimal feature selection of load power models

作者：
严雪颖，秦川，鞠平，曹路，李建华
YAN Xueying, QIN Chuan, JU Ping, CAO Lu, LI Jianhua

关键词：
负荷功率模型;特征选择;遗传算法;XGBoost;负荷预测
load power model;feature selection;genetic algorithm;XGBoost;load forecasting

2025-1-23 19:47 上传 负荷功率模型的最优特征选择研究.pdf

文件大小:

5.68 MB

下载次数:

60

高速下载