基于梯度提升树的写字楼月度用电量预测研究

王鸿斌，武进军，吴旭，陈长清，陈鹏远，张天安

基于梯度提升树的写字楼月度用电量预测研究

王鸿斌1，武进军1，吴旭1，陈长清2，陈鹏远2，张天安2

（1. 天津安捷物联科技股份有限公司，天津 300384；2. 华中科技大学 软件学院，湖北 武汉 430074）

以气象和时间作为影响写字楼用电量的主要因素，首先使用网络爬虫抓取到气象数据，包括最高温、最低温、风力、湿度、气压、天气和能见度等，同时提取日期相关的时间特征，如星期、节假日、第几周、季节和小时，再使用递归特征消除法进行特征选择，除去特征重要度低的因素，最后在模型选择上，与梯度提升树模型、差分整合移动平均自回归模型ARIMA、神经网络模型LSTM进行效果对比。实验证明，梯度提升树算法在写字楼月度用电量预测中效果最佳。

用电量预测；梯度提升树；ARIMA模型；神经网络

0 引言

写字楼大规模用电，是构成其运营成本的主要因素之一。国家提出要逐步完善电价形成机制，鼓励符合条件的电力用户开展电力市场交易。写字楼用电负荷电压等级大部分为10 kV及以上，符合交易条件。按交易规则，写字楼需要申报拟购买的月用电量，售电方对申报电量与实际电量进行有偏差考核，偏差超出2%的用电量，要额外付费，因此需要准确的用电量预测。写字楼的用电量预测需要充分考虑到气候和节假日等相关因素，而且由于其自身特点，供暖和供冷周期相对较长，有明显的季节特征。目前面向用户侧的电力负荷预测方案较少[1-2]，主要是针对电网的中短期预测[3-6]。……