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

智慧绿色通信专题 | 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
- 一种分布式能耗态势感知与预测方法研究
- 电信工程技术与标准化 2025年38卷第4期页码：45-51
- 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
  中图分类号： TP308
- 纸质出版：2025
- 稿件说明：
移动端阅览
雷培迪, 于少中, 许文芳, 等. 一种分布式能耗态势感知与预测方法研究[J]. 电信工程技术与标准化, 2025,38(4):45-51.

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.
雷培迪, 于少中, 许文芳, 等. 一种分布式能耗态势感知与预测方法研究[J]. 电信工程技术与标准化, 2025,38(4):45-51. DOI： 10.13992/j.cnki.tetas.2025.04.011.

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.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于XGBoost算法的用户投诉预测方法