基于catboost算法和集成学习的短期负荷预测方法及系统技术方案

本发明专利技术涉及大数据领域，具体涉及一种基于catboost算法和集成学习的短期负荷预测方法及系统，能够实现利用数据特征进行短期负荷预测，能够提高计算精度与输出结果的稳定性。本发明专利技术基于catboost算法和集成学习的短期负荷预测方法，根据设定预测时间步构造特征集，获取特征集以及与特征集对应的训练目标值；然后根据特征集、训练目标值以及catboost算法构建预测模型；最后根据设定的预测时间间隔、预测时间步、特征集以及预测模型得出预测结果。本发明专利技术适用于负荷预测。

【技术实现步骤摘要】
基于catboost算法和集成学习的短期负荷预测方法及系统
本专利技术涉及大数据领域，具体涉及一种基于catboost算法和集成学习的短期负荷预测方法及系统。
技术介绍
随着工业能源互联网的发展，物联网和通信技术帮助企业完成了用能的采集、处理和数字化呈现，在此之后，一方面越来越多的企业开始关注能源效率，将节能提效作为企业的重大战略部署，另一方面，企业无论是在内部管理和能源市场交易均需要大数据技术提供决策支持，这都带来了工业互联网新一轮的技术革新和应用。基于数据驱动型的企业负荷短期负荷预测，能为企业的用能管理提供锚定作用，协助企业打造能效管理方案。然而，现阶段企业的短期负荷预测方法的缺点处理数据量小，效率和精度较低等，近年来，基于集成学习思想的机器学习方法在各类数据预测比赛大放异彩,catboost为2017年俄罗斯顶级科技公司开发的基于梯度数的提升学习算法，不仅加入了类别特征的处理方式和特征组合处理模块，同时还支持GPU运行，使其成为优秀的分类器和回归器。现有技术中，在采用该算法进行大数据量的回归分析中，模型对特征的组合本文档来自技高网...

【技术保护点】
1.基于catboost算法和集成学习的短期负荷预测方法，其特征在于，包括：/n步骤(1)、根据设定预测时间步构造特征集，获取特征集以及与特征集对应的训练目标值；/n步骤(2)、根据特征集、训练目标值以及catboost算法构建预测模型；/n步骤(3)、根据设定的预测时间间隔、预测时间步、特征集以及预测模型得出预测结果。/n

【技术特征摘要】
1.基于catboost算法和集成学习的短期负荷预测方法，其特征在于，包括：
步骤(1)、根据设定预测时间步构造特征集，获取特征集以及与特征集对应的训练目标值；
步骤(2)、根据特征集、训练目标值以及catboost算法构建预测模型；
步骤(3)、根据设定的预测时间间隔、预测时间步、特征集以及预测模型得出预测结果。


2.根据权利要求1所述的基于catboost算法和集成学习的短期负荷预测方法，其特征在于，在步骤(1)中，所述根据设定预测时间步构造特征集包括：
A、根据设定的预测时间步，确定要提取的数据源和时间序列长度；
B、提取时间序列长度内的数据；
C、对时间序列长度内的数据进行处理、计算，构建特征集。


3.根据权利要求2所述的基于catboost算法和集成学习的短期负荷预测方法，其特征在于，在步骤B中，所述时间序列长度内的数据包括：历史用能数据、天气数据、生产数据以及经济数据。


4.根据权利要求2所述的基于catboost算法和集成学习的短期负荷预测方法，其特征在于，在步骤C中，特征集包括：时间序列特征、时间窗口滑动特征以及统计特征。


5.根据权利要求2所述的基于catboost算法和集成学习的短期负荷预测方法，其特征在于，在步骤(2)中，根据特征集、训练目标值以及catboost算法构建预测模型包括：
21、将获取的特征集、训练目标值作为原始的特征集、训练目标值；
22、...

【专利技术属性】
技术研发人员：王浩磊，宋佶聪，何金辉，李哲，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51