返回列表 发布新帖

[电工技术] 基于双层XGBoost和数据增强的空间负荷预测方法

7 0
admin 发表于 2025-1-24 15:30 | 查看全部 阅读模式

基于双层XGBoost和数据增强的空间负荷预测方法
为了解决空间负荷预测面临的特征变量众多和数据匮乏问题,文中提出一种基于双层极端梯度提升(extreme gradient boosting,XGBoost)和数据增强的空间负荷预测方法。该方法首先将待预测区域按馈线供电范围划分为若干子区域;其次构建基于双层XGBoost的特征选择模型,第一层XGBoost对特征进行评分及排序,将组合特征和负荷输入第二层XGBoost并进行子区域负荷预测,根据子区域负荷预测结果选择每个子区域的最佳特征变量;然后利用生成对抗网络(generative adversarial network,GAN)增强每个子区域的训练集样本,并通过极限学习机(extreme learning machine,ELM)实现子区域预测;最后将每个子区域的预测值相加得到待预测区域的预测值。以上海市局部区域为例,对文中方法进行仿真实验和对比分析。结果表明,文中方法可同时解决特征变量选择和数据匮乏问题,具有更高的预测精度。

标题:
基于双层XGBoost和数据增强的空间负荷预测方法
Spatial load forecasting method based on double-layer XGBoost and data enhancement

作者:
黄冬梅,张宁宁,胡安铎,胡伟,肖勇,陈岸青
HUANG Dongmei, ZHANG Ningning, HU Anduo, HU Wei, XIAO Yong, CHEN Anqing

关键词:
空间负荷预测;极端梯度提升(XGBoost);特征选择;生成对抗网络(GAN);数据增强;极限学习机(ELM)
spatial load forecasting;extreme gradient boosting (XGBoost);feature selection;generative adversarial network (GAN);data enhancement;extreme learning machine (ELM)
2025-1-23 19:56 上传
文件大小:
1.42 MB
下载次数:
60
高速下载
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
    微信扫一扫
  • 联系QQ客服
    QQ扫一扫
2022-2025 新资汇 - 参考资料免费下载网站 最近更新浙ICP备2024084428号
关灯 返回顶部
快速回复 返回顶部 返回列表