| 基于XGBoost與LightGBM集成的 電動汽車充電負荷預測模型 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：aetmagazine | |
| 文檔大小：781 K | |
| 標簽： 電動汽車 負荷預測 Stacking集成學習 | |
| 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)模化發(fā)展，充電站負荷對電網(wǎng)造成一定影響，為保障電網(wǎng)平穩(wěn)運行，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(Light Gradient Boosting Machine，LightGBM)融合的電動汽車充電負荷預測模型。該方法運用Stacking集成學習的策略：首先根據(jù)時間特征與歷史負荷數(shù)據(jù)采用XGBoost與LightGBM算法構(gòu)建負荷預測的基學習器，然后采用嶺回歸(Ridge Regression，RR)算法將基學習器的輸出結(jié)果進行融合之后輸出負荷預測值。為了對比多種不同的負荷預測模型，采用上海市嘉定區(qū)的充電站訂單數(shù)據(jù)進行試驗，結(jié)果表明，該方法所構(gòu)建的負荷預測模型相比單一算法模型具有更高的預測準確度，對電網(wǎng)平穩(wěn)運行有一定理論及實用價值。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2