基于最优特征选择和“ABL+XGB”的电力负荷混合预测方法

来源：上海理工大学学报杂志2026年第2期北京时间：

作者：刘康宁，代业明，曹书宁

单位：青岛大学 商学院，青岛 260001,青岛大学 商学院，青岛 260001,山东省高密市住房和城乡建设局，高密 261502

摘要：精准的电力负荷预测是保障电网安全与经济调度的关键。然而，预测过程受时间、天气、经济等多重因素影响，高维数据和冗余信息使预测过程复杂化，降低了预测精度。为此，提出一种基于最优特征选择与“Attention-Bi-LSTM + XGBoost”(“ABL+XGB”)的混合预测方法。该方法综合考虑27种影响因素，通过对比6种特征选择方法，筛选出最优特征子集，并采用“ABL+XGB”组合模型进行预测。基于新加坡与挪威电力市场实际数据集的实验结果表明，所提方法具有较高的预测精度，Lasso回归结合组合预测模型结果最接近真实负荷且误差最小，验证了有效的特征选择对于提升电力负荷预测准确性的重要作用。

关键词：电力负荷预测;特征选择;混合预测;Lasso回归

基金资助：国家自然科学基金资助项目(72371139)；教育部人文社会科学规划项目(20YJA630009)；山东省自然科学基金资助项目(ZR2022MG002)