一种分布式能耗态势感知与预测方法研究

雷培迪; 于少中; 许文芳; 黎万

doi:10.13992/j.cnki.tetas.2025.04.011

Chinese

您当前的位置：

首页 >

文章列表页 >

一种分布式能耗态势感知与预测方法研究

更新时间：2026-04-21

- 一种分布式能耗态势感知与预测方法研究
- Vol. 38, Issue 4, Pages: 45-51(2025)
- 作者机构：
  
  中国移动通信集团设计院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2025.04.011
  CLC： TP308
- Published：2025
- 稿件说明：
移动端阅览
雷培迪, 于少中, 许文芳, et al. 一种分布式能耗态势感知与预测方法研究[J]. 2025, 38(4): 45-51.
DOI：

雷培迪, 于少中, 许文芳, et al. 一种分布式能耗态势感知与预测方法研究[J]. 2025, 38(4): 45-51. DOI： 10.13992/j.cnki.tetas.2025.04.011.

摘要

在“3060双碳”战略与新型电力系统建设目标下，为应对工业能耗增加对节能减排目标的挑战，本文提出了一种基于XGBoost的分布式能耗资源态势感知与预测系统。该系统首先通过特征工程优化输入数据，使用XGBoost算法进行特征选择，剔除冗余特征以获得最佳输入组合；接着，采用贝叶斯优化方法自动调整模型的超参数，以提高预测准确性；最后与经典岭回归模型进行对比。实验结果显示，本文提出的XGBoost模型在交叉验证上的MAPE和测试集上的RMSE分别为22.994 8%和9.805 3 kWh，均优于岭回归模型，表明本文模型具有更高的预测精度和更强的泛化能力，为能源系统的源网协同建设提供了有效的解决方案。

Abstract

关键词

Keywords

references

许彦斌.能源互联网环境下需求侧态势感知与利导优化方法研究[D].华北电力大学(北京),2023(04).

Sue Ellen Haupt,Susan Dettling,John K. Williams,Julia Pearson,Tara Jensen,Thomas Brummet,Branko Kosovic,Gerry Wiener,Tyler McCandless,Crystal Burghardt.Blending distributed photovoltaic and demand load forecasts[J].Solar Energy,2017.

Gary C. McDonald.Ridge regression[J].Wiley Interdisciplinary Reviews: Computational Statistics,2009.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

一种基于XGBoost算法的用户投诉预测方法

Related Author

宗宇雷

梁童

吴伟嘉

阙鋆淑

Related Institution

中国移动通信集团云南有限公司

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰