机器学习利用XGBoost实现短期电力负荷预测

数据集:链接: https://pan.baidu.com/s/1V_O9fW8jUTwtpgeVb7cSmg 提取码: 7sjx

一、利用XGBoost实现短期电力负荷预测

本项目使用了一种基于XGBoost的短期电力负荷预测方法，该方法将历史负荷数据作为输入，将输入向量构造为时间序列形式作为XGBoost模型的输入，建模学习特征内部动态变化规律，最后完成短期负荷预测。

二、数据集介绍

本数据集为某地区2009年-2015年的用电负荷，时间片为每分钟

三、将数据进行标准化

为了统一不同特征之间的量纲，忽略数量级的影响，这里我们需要对其特征进行标准化，然后投入到网络中进行使用
注意一点，由于这里进行了标准化，所以最终模型的预测值不是我们真实的股价，我们需要对预测结果进行反标准化，这里可以利用sklearn中的scaler

df = pd.read_excel('./data.xlsx', header=None)
df = pd.DataFrame(df.values.reshape(-1,1))[: 10000]

scaler = StandardScaler()
scaler_model = StandardScal