[发明专利]一种基于梯度提升算法预测短期电力负荷的系统模型

权利要求书

1.步骤一、通过测量或取得历史数据的方式， 获得该区域的所述历史数据包括连续一年以上的风气数据: 温度, 湿度, 风速, 和日照时间, 法定节日, 以及历史电力负荷,其中所述历史数据的时间分辨点为1小时，图2为样本电力负荷曲线图。

2.步骤二、 数据准备：，表示用来预测短期电力负荷的输入数据，包括分别为,历史每小时的温度,湿度，风速，日照，当前小时，是否节日和或周末，前24小时的负荷平均值，前一周的负荷平均值，

表示电力负荷，也就是实际值,表示数据量；

表示实际电力负荷，也就是实际值,表示数据量；

表示损失函数，用来分析预测值的效果，其中为预测值；

目标是目标是为了优化或者说最小化损失函数，梯度提升算法的思想是迭代生多个（M个）弱的模型，然后将每个弱模型的预测结果相加，后面的模型基于前面学习模型的的效果生成的，关系如下：

。

3.步骤三、设立初始值，，表示残差值,而一开始为零,是观测值，预测值。

4.步骤四、迭代生成M个基础学习器。

5.步骤五、计算

其中， 这一步我们需要计算出，当前树模型的。

6. 步骤六、基于决策树, 计算。

7.步骤七、更新，

, 。

8.步骤八、预测值更新,

预测结果曲线图如图3所示。