電力負荷予測は、効率的な電力システム運用とエネルギー管理において重要な役割を果たします。電気需要の正確な予測は、運用コストの削減とシステムの信頼性の向上に寄与します。しかし、従来の予測手法は、実世界のデータに存在する複雑で非線形のパターンを扱うことがしばしばできません。この問題に対処するために、本論文では電力負荷予測のために極端勾配ブースティング（XGBoost）を使用した機械学習ベースのアプローチを提案します。提案されたシステムは、時間や温度などの重要な特徴とともに歴史的な負荷データを利用してモデルを訓練します。データの前処理と特徴選択技術を適用してデータの質とモデルのパフォーマンスを向上させます。複雑な関係を捉え予測精度を向上させるために、強力なアンサンブル学習アルゴリズムであるXGBoostを使用します。モデルは標準的な性能指標を用いて評価され、その結果は従来の手法と比較して精度と効率の向上を示しました。提案されたアプローチは、電力システムの計画と管理においてより良い意思決定を支援するための信頼性の高いスケーラブルな解決策を提供します。
rajaら（木曜日）はこの問題を研究しました。