基于特征筛选与XGBoost的火力发电厂发电量预测研究

刘占旺

doi:10.16009/j.issn.1009-5624.2026.15.018

信息记录材料 ›› 2026, Vol. 27 ›› Issue (15) : 55 -57. DOI: 10.16009/j.issn.1009-5624.2026.15.018

基于特征筛选与XGBoost的火力发电厂发电量预测研究

刘占旺

作者信息 +

Author information +

文章历史 +

摘要

为解决火力发电量因多重因素相互交叉影响而导致的预测难度和不准确性较高的问题，本研究以2019—2023年相关月度数据为基础，构建火力发电量预测指标集，将Pearson相关性分析用于关键特征筛选，引入网格搜索与K折交叉验证（GS-KCV）对极致梯度提升（XGBoost）超参数进行寻优，形成GS-KCV-XGBoost预测模型。模型对比结果显示，GS-KCV-XGBoost的决定系数（R²）为0.912,均方误差（MSE）、平均绝对误差（MAE）和均方根误差（RMSE）分别为30 175、144和174,与特征筛选后的XGBoost相比，三项误差指标分别下降44.42%、24.21%和25.32%。该结果表明，GS-KCV-XGBoost模型可以进一步改善火力发电量预测精度，对电力运行分析和调度决策具有一定参考价值。