摘要：針對目前電網(wǎng)在負(fù)荷預(yù)測中所采集到的數(shù)據(jù)普遍存在著特征維度較少、特征關(guān)系不明、有效數(shù)據(jù)量較少的特點,為了提高電網(wǎng)短期負(fù)荷預(yù)測精度,提出一種基于XGBoost算法的新型負(fù)荷預(yù)測模型?；赬GBoost算法的負(fù)荷預(yù)測模型采用CART樹作為基學(xué)習(xí)器,輸入預(yù)處理后的歷史負(fù)荷和特征數(shù)據(jù),通過構(gòu)建多個弱學(xué)習(xí)器逐層訓(xùn)練并得到模型,最后向模型輸入測試集特征得到最終的預(yù)測結(jié)果。所搭建的負(fù)荷預(yù)測模型具有避免對數(shù)據(jù)特征的標(biāo)準(zhǔn)化、處理字段缺失的數(shù)據(jù)、不用關(guān)心特征間是否相互依賴、學(xué)習(xí)效果好的優(yōu)點。根據(jù)真實電網(wǎng)數(shù)據(jù)實驗結(jié)果,基于XGBoost算法的負(fù)荷預(yù)測平均絕對誤差百分比下降到3.46%,對比基于BP、GRNN、DBN神經(jīng)網(wǎng)絡(luò)的負(fù)荷模型預(yù)測值精度更高,表明所提模型的優(yōu)越性。