基于XGBoost與LightGBM集成的 電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)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(dòng)汽車(chē) 負(fù)荷預(yù)測(cè) 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(dòng)汽車(chē)規(guī)?;l(fā)展,充電站負(fù)荷對(duì)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(jí)梯度提升機(jī)(Light Gradient Boosting Machine,LightGBM)融合的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)模型。該方法運(yùn)用Stacking集成學(xué)習(xí)的策略:首先根據(jù)時(shí)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(cè)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(cè)值。為了對(duì)比多種不同的負(fù)荷預(yù)測(cè)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(cè)模型相比單一算法模型具有更高的預(yù)測(cè)準(zhǔn)確度,對(duì)電網(wǎng)平穩(wěn)運(yùn)行有一定理論及實(shí)用價(jià)值。 | |
現(xiàn)在下載 | |
VIP會(huì)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(hào)-2