摘要
本发明提供了一种考虑多因素的日电量预测方法、系统、设备及介质,包括:获取待预测日前的历史数据;将所述待预测日前的历史数据代入预先训练好的LightGBM模型中,输出预测日的电量数据;其中,所述预先训练好的LightGBM模型是由历史日用电量和与电量相关的各行业特征采用梯度提升树的方式对LightGBM算法进行训练得到的。本发明采用的训练好的LightGBM模型是采用与电量相关的各行业特征分别进行训练得到,按照不同行业特征进行日电量预测,提高了预测的准确性和全面性。
技术关键词
行业特征
电量预测方法
LightGBM模型
电量预测系统
损失函数优化
训练集
日用电量
负荷
代表
算法
变量
存储器
处理器
可读存储介质
数据
样本
电子设备
模块
程序
系统为您推荐了相关专利信息
信号特征
超声信号
分类器模型
机器学习辅助
原位监测方法
视频序列分割方法
状态空间模型
时序特征
深度卷积神经网络
学习特征
协同优化方法
机器学习模型
拉丁超立方采样
LightGBM模型
流动分析方法