申请/专利权人:国网浙江省电力有限公司营销服务中心;国网浙江杭州市萧山区供电有限公司
申请日:2023-09-07
公开(公告)日:2024-01-02
公开(公告)号:CN117332889A
主分类号:G06Q10/04
分类号:G06Q10/04;G06F18/214;G06F18/27;G06Q30/0201;G06Q50/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.19#实质审查的生效;2024.01.02#公开
摘要:本发明公开了一种基于Lasso‑XGboost‑stacking的电能替代潜力预测方法,涉及区域电能替代潜力预测技术领域。目前,电能替代潜力预测存在预测精度不高,泛化性低等问题。本发明包括以下步骤:1将能源、经济数据通过交叉特征构建特征空间矩阵,量化多类影响因素对电能替代的影响;基于影响因素与电能替代量数据构建岭回归模型,并根据各类因素在模型中的权重分析因素影响程度;基于影响因素与电能替代量数据构建Xgboost模型,并采用stacking方法与岭回归模型进行模型融合,最终构建Lasso‑Xgboost‑stacking模型,构建影响因素与电能替代量的映射关系;构建arima模型预测各类影响因素趋势,根据模型预测的影响因素数据与Lasso‑Xgboost‑stacking模型实现电能替代潜能预测。本技术方案保证模型泛化能力的同时,提升模型预测精度。
主权项:1.一种基于Lasso-XGboost-stacking的电能替代潜力预测方法,其特征在于:包括以下步骤:1将能源、经济数据通过交叉特征构建特征空间矩阵,量化多类影响因素对电能替代的影响;2基于影响因素与电能替代量数据构建岭回归模型,并根据各类因素在模型中的权重分析因素影响程度;3基于影响因素与电能替代量数据构建Xgboost模型,并采用stacking方法与步骤2中的岭回归模型进行模型融合,最终构建Lasso-Xgboost-stacking模型,构建影响因素与电能替代量的映射关系;4构建arima模型预测各类影响因素趋势,根据模型预测的影响因素数据与步骤3中的Lasso-Xgboost-stacking模型实现电能替代潜能预测。
全文数据:
权利要求:
百度查询: 国网浙江省电力有限公司营销服务中心;国网浙江杭州市萧山区供电有限公司 一种基于Lasso-XGboost-stacking的电能替代潜力预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。