一种基于机器学习模型XGBoost的负荷预测方法

本发明公开了一种基于机器学习模型XGBoost的负荷预测方法，涉及负荷预测技术领域，包括以下步骤：步骤S1、对历史负荷数据进行Min‑Max归一化处理：使用Min‑Max归一化方法将数据线性映射到0‑1的范围内；步骤S2、气候影响因素选择：采用随机森林模型的特征重要性评估方法选择与目标变量相关的关键特征，目标变量包括电力负荷；步骤S3、特征缩放处理：对于极端温度值，通过特征缩放方法放大区间内的温度值。本发明提出的组合模型通过特征缩放方法处理极端温度值，增强了模型对极端温度变化的敏感度，提高了模型对极端事件的预测准确性，通过时间序列模型和机器学习模型的协同工作，修正预测误差，增强了模型对复杂事件的预测能力，具有更高的预测精度。