[发明专利]一种基于多XGBoost模型融合的母线负荷预测方法

权利要求书

1.一种基于多XGBoost模型融合的母线负荷预测方法，其特征在于：包括以下步骤：

步骤A：对母线负荷数据及其相关数据进行数据预处理；

步骤B：构建样本集，划分训练集与测试集；

步骤C：构建分层预测系统，共2层，第一层为3个XGBoost模型，第二层为1个XGBoost模型；

步骤D：利用粒子群算法优化分层预测系统参数；

步骤E：应用分层预测系统进行训练与预测；

其中，在所述步骤C中，分层预测系统的具体构建步骤包括：

步骤C1：建立3个XGBoost模型，以并行方式分布，用于一次学习，3个XGBoost模型的输出为母线负荷一次预测值；

步骤C2：建立1个XGBoost模型，顺序连接在3个XGBoost模型之后，即以第一层的3个XGBoost模型的输出作为第二层的XGBoost模型的输入，整体构成分层预测系统；

在所述步骤D中，利用粒子群算法优化分层预测系统参数，包括以下步骤：

步骤D1：初始化分层预测系统中各个XGBoost模型的参数，参数集合即为粒子；

步骤D2：设定粒子群算法的适应度函数，计算公式如下：

式中，fitness表示适应度函数，MAPE表示平均绝对百分比误差；

步骤D3：计算粒子适应度，根据适应度更新粒子，若达到最大迭代次数或适应度的增量小于给定阈值，则结束迭代，输出参数优化结果，否则重复步骤D3。

2.根据权利要求1所述的基于多XGBoost模型融合的母线负荷预测方法，其特征在于：步骤A中，对母线负荷数据及其相关数据进行数据预处理，包括：

步骤A1：获取母线负荷数据及其相关数据，相关数据包括日期类型、时刻、气象条件；

步骤A2：采用线性插值法填补母线负荷数据中的缺失值，并对填补后的母线负荷数据进行归一化处理；

步骤A3：对日期类型、时刻、风速、降雨量数据进行独热编码，对温度、湿度数据进行归一化处理。

3.根据权利要求2所述的基于多XGBoost模型融合的母线负荷预测方法，其特征在于：步骤A2和步骤A3中，对母线负荷数据和温度、湿度数据进行归一化处理，归一化方法为最大最小归一化，转换公式如下：

式中，x指待归一化的数据，x_max为待归一化的数据中的最大值，x_min为待归一化的数据中的最小值，x^*为归一化后的数据。

4.根据权利要求1所述的基于多XGBoost模型融合的母线负荷预测方法，其特征在于：在XGBoost模型中，

式(10)为评价树结构q的评分函数函数值越小，说明树的结构越好，式中，T为叶结点的数量；γ、λ均为系数；I_j为叶结点j的样本集；g_i、h_i分别是损失函数项的一阶导数和二阶导数。