基于极端梯度提升和检索增强的短期电力需求优化预测

摘要

随着全球经济和人口的增长，电力需求的复杂性和多样性对电力系统提出了更高的要求。研究旨在优化短期电力需求预测以提高电力系统的经济性、安全性和可靠性。在自适应训练极端梯度提升的基础上，结合麻雀搜索算法，最终提出了一种新型短时电力需求预测模型。实验结果表明，新模型的预测准确度最高为91%,平均耗时为5秒，电力需求预测差值最低为0.66千瓦/小时，由此可知，研究所提出的新型预测模型在短期电力需求预测中具有显著优势，能够有效提升数据处理能力和预测准确性，也能够为该领域的技术发展提供一种新的参考。

关键词

极端梯度提升 / 特征提取 / 短期电力 / 预测 / 麻雀搜索算法

基金资助

国网安徽省电力科技项目资助(52120524000B)