基于改进Bi-LSTM和XGBoost的电力负荷组合预测方法

来源：上海理工大学学报杂志2022年第2期北京时间：

作者：代业明，周琼

单位：青岛大学 商学院，青岛 266071,青岛大学 商学院，青岛 266071

摘要：电力负荷预测在平衡能源分配、经济性和电力系统安全可靠运行方面发挥着重要作用，精准的负荷预测可以降低电力运行的成本和风险，提高电网环境效益和经济效益。首先根据加权灰色关联投影算法对数据进行预处理，然后应用注意力(Attention)机制来改进双向长短期记忆(Bi-LSTM)模型，并结合极端梯度提升(XGBoost)模型构建一种由误差倒数法确定权重的电力负荷组合预测模型，从而得到一种新的短期电力负荷预测方法。通过新加坡电力市场数据集对该方法进行评估，结果显示，该方法的预测结果比单一预测方法更加接近真实数据且误差更小，具备有效性、精准性和实用性的优势。

关键词：短期负荷预测;双向长短期记忆网络;极端梯度提升;误差倒数组合法;组合模型

基金资助：国家自然科学基金资助项目(72171126)；教育部人文社会科学研究规划基金项目(20YJA630009)