基于XGBoost與LightGBM集成的 電動汽車充電負(fù)荷預(yù)測模型 | |
所屬分類:技術(shù)論文 | |
上傳者:aetmagazine | |
文檔大小:781 K | |
標(biāo)簽: 電動汽車 負(fù)荷預(yù)測 Stacking集成學(xué)習(xí) | |
所需積分:0分積分不夠怎么辦,? | |
文檔介紹:隨著電動汽車規(guī)?;l(fā)展,充電站負(fù)荷對電網(wǎng)造成一定影響,,為保障電網(wǎng)平穩(wěn)運(yùn)行,,提出一種基于極端梯度提升(eXtreme Gradient Boosting,XGBoost)與輕量級梯度提升機(jī)(Light Gradient Boosting Machine,,LightGBM)融合的電動汽車充電負(fù)荷預(yù)測模型,。該方法運(yùn)用Stacking集成學(xué)習(xí)的策略:首先根據(jù)時間特征與歷史負(fù)荷數(shù)據(jù)采用XGBoost與LightGBM算法構(gòu)建負(fù)荷預(yù)測的基學(xué)習(xí)器,然后采用嶺回歸(Ridge Regression,,RR)算法將基學(xué)習(xí)器的輸出結(jié)果進(jìn)行融合之后輸出負(fù)荷預(yù)測值,。為了對比多種不同的負(fù)荷預(yù)測模型,采用上海市嘉定區(qū)的充電站訂單數(shù)據(jù)進(jìn)行試驗(yàn),,結(jié)果表明,,該方法所構(gòu)建的負(fù)荷預(yù)測模型相比單一算法模型具有更高的預(yù)測準(zhǔn)確度,對電網(wǎng)平穩(wěn)運(yùn)行有一定理論及實(shí)用價值,。 | |
現(xiàn)在下載 | |
VIP會員,,AET專家下載不扣分;重復(fù)下載不扣分,,本人上傳資源不扣分,。 |
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2