基于机器学习的电力负荷预测模型优化与误差分析

马 雨翔, 白 琰玺, 郑 佳元
西安市物联网应用实验室

摘要

本文聚焦基于机器学习的电力负荷预测模型优化与误差分析。首先对电力负荷预测现状及机器学习应用潜力进行
阐述，接着详细介绍数据预处理流程，包括收集清洗与特征工程。在模型构建方面，探讨常用模型、参数调优及集成学习。
通过选取评估指标，深入剖析误差来源并对比不同模型。以实际案例验证模型效果，展示预测结果并分析。研究为电力负
荷预测提供优化思路，有助于提高预测准确性。

关键词

机器学习；电力负荷预测；模型优化；误差分析；特征工程

参考

[1] 张宁 , 马国明 , 关永刚 , 胡军 , 陆超 , 文劲宇 , 程时杰 ,

陈维江 , 何金良 . 全景信息感知及智慧电网 [J]. 中国电机工

程学报 ,2021,41(4):1274-1283.

[2] 余贻鑫 . 面向 21 世纪的智能电网 [J]. 天津大学学报（自

然科学与工程技术版）,2020,53(6):551-556.

[3] 鞠平 , 周孝信 , 陈维江 , 余一平 , 秦川 , 李若梅 , 王成

山 , 董旭柱 , 刘健 , 文劲宇 , 刘玉田 , 李扬 , 陈庆 , 陆晓 , 孙大雁 ,

徐春雷 , 陈星莺 , 吴峰 , 马宏忠 .“智能电网 +”研究综述 [J].

电力自动化设备 ,2018,38(5):2-11.

[4] 王 栋 . 电 力 系 统 负 荷 预 测 综 述 [J]. 电 气 开

关 ,2020,0(1):6-8.

[5] 邓带雨 , 李坚 , 张真源 , 滕予非 , 黄琦 . 基于 EEMD-

GRU-MLR 的短期电力负荷预测 [J]. 电网技术 ,2020,44(2):593-

602.

[6] 毛 李 帆 , 江 岳 春 , 龙 瑞 华 , 李 妮 , 黄 慧 , 黄 珊 . 基

于偏最小二乘回归分析的中长期电力负荷预测 [J]. 电网技

术 ,2008,32(19):71-77.