विशेषता प्राथमिकता रणनीति और LightGBM-XGboost पर आधारित अल्पकालिक लोड पूर्वानुमान पद्धति

अल्पकालिक लोड पूर्वानुमान विद्युत प्रणाली में एक महत्वपूर्ण समस्या है। सटीक पूर्वानुमान परिणाम विद्युत बाजार की लचीलापन और संसाधन उपयोग क्षमता को सुधार सकते हैं, जो विद्युत प्रणाली के कुशल संचालन के लिए बहुत महत्वपूर्ण है। अल्पकालिक विद्युत लोड पूर्वानुमान की कम सटीकता और कमजोर सामान्यीकरण क्षमता की समस्याओं को हल करने के लिए विशेषता चयन और त्रुटि सुधार पर आधारित एक अल्पकालिक विद्युत लोड पूर्वानुमान मॉडल का प्रस्ताव किया गया है। विशेषताओं के मोटे सेट का पहले चयन अधिकतम सूचना गुणांक (MIC) का उपयोग करके किया जाता है, और फिर लोड पूर्वानुमान को प्रभावित करने वाली प्रमुख विशेषताओं के ठीक सेट को क्रमशः LightGBM और XGboost विशेषता चयन एल्गोरिदम का उपयोग करके छाना जाता है। संबंधित ठीक विशेषताओं और ऐतिहासिक लोड को भविष्यवाणी के लिए शक्तिशाली भविष्यवाणी कार्य के साथ LightGBM और XGboost मॉडल में इनपुट किया जाता है, और पूर्वानुमानित मान का उपयोग करके त्रुटि को सुधारता है और लोड पूर्वानुमान पूरा करता है। उत्तर-पश्चिमी चीन के एक निश्चित क्षेत्र के वास्तविक डेटा को एक उदाहरण के रूप में लेते हुए, प्रयोगात्मक परिणाम बताते हैं कि प्रस्तावित मॉडल अन्य मॉडलों की तुलना में बेहतर पूर्वानुमान प्रभाव रखता है।