原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第45卷第1期动化仪表Vol.45No.1
2024年1月PROCESSAUTOMATRUMENTATIONJan.2024
基于融合集成算法的配电网负荷预测研究
李强,赵峰，吴金塗？，谭守标
（1.国网信息通信产业集团有限公司，北京102200；2.安徽继远软件有限公司，安徽合肥230088；
3.安徽大学集成电路学院，安徽合肥230601)
摘要：配电网的负荷预测在电力运行状态监测中尤为重要。负荷预测的精度提升为电网的安全、稳定运行提供了保障。通过对融
合集成算法的研究，提出了一种基于关联特征选择的融合集成算法。在数据集的选择上，使用相关系数和灰色关联算法综合对样本
中负荷影响较小的特征进行剔除，使得样本数据集的相关性更高；同时，对传统Stacking集成学习的输人和输出特征进行优化，提高了
模型的预测效果。试验结果表明，基于融合集成算法的配电网负荷预测模型与传统的Stacking集成算法、XCBoost、灰狼优化-反向传
播算法相比，负荷预测的精度提升了3.07%。该模型总体性能表现较好。该研究结果有效地支撑了配电网的负荷监测和规划，也为
电力系统故障诊断提供了参考。
关键词：智能算法融合；配电网；集成学习；负荷预测；Stacking集成学习；XGBoost；特征提取；目标预测
中图分类号：TH-865文献标志码：AD0I:10.16086/j.cnki.issn1000-0380.2022110039
ResearchonLoadForecastingofDistributionNetworks
BasedonFusionIntegrationAlgorithm
LIQiang,ZHAOFeng,WUJingan?,TANShoubiao
(1.StateGridInformationTelecommunicationGroupCo.,Ltd.,Beijing102200,China;
2.AnhuiJiyuanSoftwareCo.,Ltd.,Hefei230088,China;3.SchoolofIntegratedCircuits,AnhuiUniversity,Hefei230601,China)
Abstract:Loadforecastingofdistributionnetworksisparticularlyimportantinpoweroperationconditionmonitoring.The
improvementoftheaccuracyofloadforecastingprovidesaguaranteeforthesafeandstableoperationofpowergrids.Throughthe
studyoffusionintegrationalgorithm,afusionintegrationalgorithmbasedoncorrelationfeatureselectionisproposed.Inthe
selectionofthedataset,thefeatureswithlessloadinfluenceinthesamplesareeliminatedusingthecorrelationcoefficientand
thegraycorrelationalgorithminacomprehensiveway,whichmakesthesampledatasetmorerelevant;atthesametime,the
inputandoutputfeatureso
文档评论（0）