摘要：針對目前電網(wǎng)在負荷預測中所采集到的數(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)短期負荷預測精度,提出一種基于XGBoost算法的新型負荷預測模型。基于XGBoost算法的負荷預測模型采用CART樹作為基學習器,輸入預處理后的歷史負荷和特征數(shù)據(jù),通過構建多個弱學習器逐層訓練并得到模型,最后向模型輸入測試集特征得到最終的預測結果。所搭建的負荷預測模型具有避免對數(shù)據(jù)特征的標準化、處理字段缺失的數(shù)據(jù)、不用關心特征間是否相互依賴、學習效果好的優(yōu)點。根據(jù)真實電網(wǎng)數(shù)據(jù)實驗結果,基于XGBoost算法的負荷預測平均絕對誤差百分比下降到3.46%,對比基于BP、GRNN、DBN神經網(wǎng)絡的負荷模型預測值精度更高,表明所提模型的優(yōu)越性。