一种基于机器学习的超短期电力负荷预测方法及装置

本发明公开了一种基于机器学习的超短期电力负荷预测方法，对原始数据归一化操作；使用变分模态分解方法对负荷数据进行处理，将波动性较强的原始负荷数据分解为多个较平稳的本征模态函数分量；使用Kmeans方法对各本征模态函数分量进行聚类，得到新负荷序列；考虑影响因素对电力负荷的影响进行特征构造；利用XGBoost模型对新负荷序列进行预测，之后对各预测值叠加重构得到最终预测结果。本发明考虑天气、节假日等因素影响构造数据特征并结合VMD、Kmeans、XGBoost方法的优点，可提高超短期负荷预测精度。