一种基于VMD分解与改进XGBoost的充电站短期负荷预测方法及装置

本发明公开了一种基于VMD分解与改进XGBoost的充电站短期负荷预测方法，首先，选取影响因素构建输入特征集，降低不相关特征的影响；然后，利用VMD算法将原本随机、非线性的负荷数据分解为有限个固有模态函数和残余分量，并和负荷影响因素一起作为XGBoost算法的输入；最后，采用PSO算法优化预测模型参数，对特征互异的各个分量数据分别预测并叠加重构输出预测值。本发明考虑多种负荷影响因素，对预处理后的时序数据集进行变分模态分解，并基于改进的极端梯度提升算法模型对时序数据集进行预测，可以提高负荷波动性强的充电桩的负荷预测精度，从而为电动汽车充电站的安全稳定运行提供有效预测服务。