CN119401667B 一种电力系统调峰需求评估系统 （腾旭能源建设集团有限公司）

(22)申请日2025.01.03(43)申请公布日2025.02.07室所(普通合伙)61307HO2J13/00(2006.01)HO4L67/12(2022.01)HO4L67/10(2022.01)GO6N3/0499(2023.01)GO6F9/50(2006G16Y20/30(2020.01)(56)对比文件权利要求书4页说明书14页附图1页系统，包括有采集层、传输层、边缘云层和管理平调峰过程中的电量的精准性控制。传输层边缘云层分析处理预测模型评估模型[转续页]231.一种电力系统调峰需求评估系统，其特征在于，包括有采集层、传输层、边缘云层和管理平台；所述采集层用于对数据进行采集，所述采集层采集的数据包括用于对发电量进行预测判定的历史负荷数据、设备数据、经济活动数据和评估数据，以及包括用于对电力调峰进行评估的变电站电量数据、投诉电话数据和预测发电量数据；所述传输层用于对所述采集层采集的数据进行传输，所述历史负荷数据通过5G网络实现数据传输，所述设备数据通过物联网实现数据传输，所述经济活动数据通过5G网络实现数据传输，所述变电站电量数据和所述投诉电话数据通过5G网络实现数据传输；所述边缘云层用于对数据进行接收和处理，所述边缘云层通过物联网和5G网络对所述历史负荷数据、所述设备数据、所述经济活动数据、所述变电站电量数据和所述投诉电话数据进行接收，所述边缘云层对数据的处理包括预处理和分析处理，所述预处理用于对数据进行清洗、转换和融合，所述分析处理用于对预处理后的数据进行特征提取和趋势判定；所述分析处理将数据生成数据折线图，并且对数据折线图中两点之间的斜率进行计算，获得斜率数据，然后再将斜率数据进行生成斜率折线图，并且根据斜率折线图的倾斜方向对数据的走向进行判定，并且根据斜率折线图的倾斜方向判定数据的峰谷点和高峰点，即斜率折线图在向上倾斜后，再向下倾斜，则斜率折线图的折线端点即为高峰点，若斜率折线图在向下倾斜后，再向上倾斜，则斜率折线图的折线端点即为峰谷点，分别获得高峰点数据和峰谷点数据；所述特征提取用于对数据中特征信息进行提取，提取的特征包括均值、标准差、方差、然后将历史负荷数据、设备数据和经济活动数据或者变电站电量数据、投诉电话数据提取的特征数据进行组合特征处理，将多个特征组合成一个新的特征，即通过特征交叉技术生成组合特征，并且将高峰点数据和峰谷点数据进行融入到组合特征中；所述均值的计算如下：并且均值的计算公式如下：所述标准差的计算如下：所述方差的计算如下：4Minem=min(Minolaxne)’四中心距；将发电量进行预测判定的历史负荷数据特征集X₁,设备数据X₂、经济活动数据X₃通过特征交叉技术进行融合，以及电力调峰进行评估的变电站电量数据集X₄和投诉电话数据集X₅;Xao=(x₁×X₂,X₁×X₃,X₂×X₃,X²,x5多层感知机的计算公式：其中，W₁、W₂…W是全连接层的权重矩阵，b₁、b₂…b是偏置项，ReLU是激活函数，h、h₂…h是各层的中间表示，交叉特征Xcross通过全连接层进一步学习，最终输出预测结所述管理平台中包括预测模型、评估模型和可视化模块，所述预测模型通过分析处理后的所述历史负荷数据、所述设备数据和所述经济活动数据对调峰进行预测发电量，并且将所述评估模型计算得到的评估数据作为更新数据，将所述评估数据输入到所述预测模型中，实现对预测发电量进行及时的调整控制，所述评估模型通过分析处理后的所述变电站电量数据和所述投诉电话数据对调峰过程进行评估，并且将所述预测模型计算得到的预测发电量数据作为更新数据，将所述预测发电量数据输入到所述评估模型中，通过所述预测发电量数据对所述评估模型进行数据支撑，所述可视化模块通过数字孪生技术建立发电设备的可视化界面，便于将发电设备生产的实际发电量数据、所述预测发电量数据和所述评估数据进行融合展示。2.根据权利要求1所述的一种电力系统调峰需求评估系统，其特征在于，所述历史负荷数据从数据存储库中进行提取，所述设备数据通过传感器对各类发电设备采集获取，所述经济活动数据用于对各个商业或者生产产地的活动进行数据采集，所述变电站电量数据用于对各个变电站的供电电压进行数据采集，主要用于对调峰需求的负载电压进行采集，所述投诉电话数据用于对投诉电话数量进行统计；所述预测发电量数据是所述预测模型计算分析处理获得的数据，所述评估数据是评估模型计算分析处理获得的数据，并且分别将所述预测发电量数据和所述评估数据分别作为所述评估模型的更新数据和所述预测模型的更新数据。3.根据权利要求1所述的一种电力系统调峰需求评估系统，其特征在于，所述传输层中包括物联网和5G网络，所述物联网用于对各类传感器采集的数据进行上传，所述5G网络用于对系统的数据进行传输到所述边缘云层，并且所述传输层还包括防火墙和数据网关；所述防火墙主要用于保护网络免受攻击和未经授权的访问，用于实现流量监控和安全所述数据网关用于在不同的系统或应用之间进行数据交换、转换和管理，确保数据的正确传输和协议兼容性。4.根据权利要求1所述的一种电力系统调峰需求评估系统，其特征在于，所述清洗用于对数据进行去除噪声、处理缺失数据、去除重复所述去除噪声用于对数据中的噪声进行滤除，所述去除噪声通过加权滑动平均给不同数据分配不同的权重，从而平滑数据时考虑更多近期的数据；所述处理缺失数据用于对数据中存在的空缺值进行填补，并且使用均值来填补缺失数6所述清理文本数据用于对部分文本数据进行处理，对于包含其中，Loss表示的是岭回归中的损失函数，Y表示的是第i个样本的实际观测值，表示的是第1个样本的预测值，(v₂-)表示的是第1个样本的误差平方，表示的层感知机输出的电力调峰进行输出的预测结果，₂表示的是多层感知机输出第Z个的评估每棵树会给出一个类别标签，最终的预测结果是所有树投票7一种电力系统调峰需求评估系统技术领域[0001]本发明涉及电力系统调峰技术领域，具体来说，涉及一种电力系统调峰需求评估背景技术[0002]随着全球能源结构的转型，尤其是可再生能源如风能、太阳能的快速发展，电力系统的运行面临着新的挑战。传统的电力调度方式依赖于稳定的、可预测的发电来源(如火电、水电等),但可再生能源的发电特性却具有间歇性、波动性和不可调节性，给电力系统的稳定性和可靠性带来了极大的不确定性。[0003]由于用电负荷是不均匀的。在用电高峰时，电网往往超负荷。此时需要投入在正常运行以外的发电机组以满足需求。这些发电机组称调峰机组。因为他用于调节用电的高峰，峰机组有燃气轮机机组和抽水蓄能机组等等。[0004]电能不能大量储存，电能的发出和使用是同步的，所以需要多少电量，发电部门就必须同步发出多少电量。电力系统中的用电负荷是经常发生变化的，为了维持用功功率平衡，保持系统频率稳定，需要发电部门相应改变发电机的出力以适应用电负荷的变化，这就叫做调峰。[0005]随着信息技术和数据分析技术的快速发展，特别是大数据、人工智能和物联网等技术的广泛应用，电力系统的调度方式和需求评估也在发生着深刻变化。通过对电力系统运行数据、气象数据、负荷数据等多维度信息的实时监测与分析，可以实现更为精确的调峰需求评估和预测。[0006]综上所述，随着可再生能源的快速发展，电力系统的调峰需求评估变得愈加复杂。传统的调峰方式和评估手段面临诸多挑战，新的技术(如大数据、人工智能等)为解决这一问题提供了可能。开发一种高效、精准的电力系统调峰需求评估系统，不仅能够有效提升电力调度的效率，也有助于进一步优化电力系统的运行，推动能源结构的转型和可持续发展。[0007]虽然基于大数据的电力系统调峰需求评估系统能够对电力调度进行评估，但也面临着一系列挑战。首先，对于电力调度的评估结果无法实现再次运用，造成对于电力调度的过程无法显示相对应的效果，以及无法实现对电力调度实现精准的调度标准，造成电力调度的虚假性，无法实现精准的调度管理等问题。[0008]针对相关技术中的问题，目前尚未提出有效的解决方案。发明内容[0009]针对相关技术中的问题，本发明提出一种电力系统调峰需求评估系统，以克服现有相关技术所存在的上述技术问题。8[0012]所述采集层用于对数据进行采集，所述采集层采集的数据包括用于对发电量进行预测判定的历史负荷数据、设备数据、经济活动数据和评估数据，以及包括用于对电力调峰进行评估的变电站电量数据、投诉电话数据和预测发电量数据；[0013]所述传输层用于对所述采集层采集的数据进行传输，所述历史负荷数据通过5G网络实现数据传输，所述设备数据通过物联网实现数据传输，所述经济活动数据通过5G网络实现数据传输，所述变电站电量数据和所述投诉电话数据通过5G网络实现数据传输；[0014]所述边缘云层用于对数据进行接收和处理，所述边缘云层通过物联网和5G网络对所述历史负荷数据、所述设备数据、所述经济活动数据、所述变电站电量数据和所述投诉电话数据进行接收，所述边缘云层对数据的处理包括预处理和分析处理，所述预处理用于对数据进行清洗、转换和融合，所述分析处理用于对预处理后的数据进行特征提取和趋势判[0015]所述管理平台中包括预测模型、评估模型和可视化模块，所述预测模型通过分析处理后的所述历史负荷数据、所述设备数据和所述经济活动数据对调峰进行预测发电量，并且将所述评估模型计算得到的评估数据作为更新数据，将所述评估数据输入到所述预测模型中，实现对预测发电量进行及时的调整控制，所述评估模型通过分析处理后的所述变电站电量数据和所述投诉电话数据对调峰过程进行评估，并且将所述预测模型计算得到的预测发电量数据作为更新数据，将所述预测发电量数据输入到所述评估模型中，通过所述预测发电量数据对所述评估模型进行数据支撑，所述可视化模块通过数字孪生技术建立发电设备的可视化界面，便于将发电设备生产的实际发电量数据、所述预测发电量数据和所述评估数据进行融合展示。[0016]作为优选的实施例，所述历史负荷数据从数据存储库中进行提取，所述设备数据通过传感器对各类发电设备采集获取，所述经济活动数据用于对各个商业或者生产产地的活动进行数据采集，所述变电站电量数据用于对各个变电站的供电电压进行数据采集，主要用于对调峰需求的负载电压进行采集，所述投诉电话数据用于对投诉电话数量进行统[0017]所述预测发电量数据是所述预测模型计算分析处理获得的数据，所述评估数据是评估模型计算分析处理获得的数据，并且分别将所述预测发电量数据和所述评估数据分别作为所述评估模型的更新数据和所述预测模型的更新数据。[0018]作为优选的实施例，所述传输层中包括物联网和5G网络，所述物联网用于对各类传感器采集的数据进行上传，所述5G网络用于对系统的数据进行传输到所述边缘云层，并且所述传输层还包括防火墙和数据网关；[0019]所述防火墙主要用于保护网络免受攻击和未经授权的访问，用于实现流量监控和安全策略；[0020]所述数据网关用于在不同的系统或应用之间进行数据交换、转换和管理，确保数据的正确传输和协议兼容性。[0021]作为优选的实施例，所述清洗用于对数据进行去除噪声、处理缺失数据、去除重复数据、处理异常值和清理文本数据；[0022]所述去除噪声用于对数据中的噪声进行滤除，所述去除噪声通过加权滑动平均给不同数据分配不同的权重，从而平滑数据时考虑更多近期的数据；9[0023]所述处理缺失数据用于对数据中存在的空缺值进行填补，并且使用均值来填补缺失数据；[0024]所述去除重复数据用于对数据中存在的重复数据去除；[0025]所述处理异常值用于对数据中的异常值进行检测，即通过Z-Score来识别异常值，并且对检测后的异常值进行删除，对于删除后的异常值采用线性插值进行填补；[0026]所述清理文本数据用于对部分文本数据进行处理，对于包含文本的字段去除多余[0027]作为优选的实施例，所述分析处理将数据生成数据折线图，并且对数据折线图中两点之间的斜率进行计算，获得斜率数据，然后再将斜率数据进行生成斜率折线图，并且根据斜率折线图的倾斜方向对数据的走向进行判定，并且根据斜率折线图的倾斜方向判定数据的峰谷点和高峰点，即斜率折线图在向上倾斜后，再向下倾斜，则斜率折线图的折线端点即为高峰点，若斜率折线图在向下倾斜后，再向上倾斜，则斜率折线图的折线端点即为峰谷点，分别获得高峰点数据和峰谷点数据。[0028]作为优选的实施例，所述特征提取用于对数据中特征信息进行提取，提取的特征[0029]然后将历史负荷数据、设备数据和经济活动数据或者变电站电量数据、投诉电话数据提取的特征数据进行组合特征处理，将多个特征组合成一个新的特征，即通过特征交叉技术生成组合特征，并且将高峰点数据和峰谷点数据进行融入到组合特征中。作为优选的实施例，所述均值的计算如下：并且均值的计算公式如下：所述标准差的计算如下：所述方差的计算如下：所述最大值和最小值的计算如下：Minem=min(Minla,xnem)’的尖锐程度和尾部的厚度，通过第四中心矩计算，反映数据分布动数据集X₃、变电站电量数据集X4和投诉电话数据集X₅;[0052]将发电量进行预测判定的历史负荷数据特征集X₁,设备数据X₂、经济活动数据X₃通过特征交叉技术进行融合，以及电力调峰进行评估的变电站电量数据集X₄和投诉电y=Wh-1+b表示的是第1个样本的预测值，(v₁-)表示的是第1个样本的误差平方，表示的是样本的误差平方求和，λ表示的是正则化参数，控制正则化项对模型的影响程度，表示的是回归系数的L2范数的平方，m是数据集中输入变量的数量，表示的[0065]其中，P是随机森林的预测结果，T是树的总数，f.是第t棵树对样本₂的预测，即为多层感知机输出的电力调峰进行输出的预测结果，Y₂表示的是多层感知机输出第Z个判定，完成对数据的处理，能够降低管理平台对数据处理的难度；[0071]2、本发明在使用的时候，管理平台中包括预测模型，通过预测模型对处理后的历史负荷数据、设备数据和经济活动数据对调峰进行预测发电量，管理平台中包括评估模型，通过评估模型对分析处理后的变电站电量数据和投诉电话数据对调峰过程进行评估，即管理平台通过预测模型和评估模型实现对数据进行处理，便于实现对电力调峰进行管理控制，有效的实现对调峰电量进行预测，产生相应的电量进行调峰管理，以及通过采集的数据对调峰电量的结果进行计算分析，便于通过评估数据对预测电量进行对应的调节；[0072]3、本发明在使用的时候，将评估数据作为更新数据，将评估数据输入到预测模型中，实现对预测发电量进行及时的调整控制，并且将预测发电量数据作为更新数据，将预测发电量数据输入到评估模型中，实现对调峰需求量和预测发电量数据进行比对判定，使得评估和预测之间能够相互对应，便于在调峰电量欠缺的时候，及时的进行调控，保持调峰过程中的电量的精准性控制；[0073]4、本发明在使用的时候，管理平台中的可视化模块通过数字孪生技术建立发电设备的可视化界面，便于将发电设备生产的实际发电量数据、预测发电量数据和评估数据进行融合在数字孪生模型上进行展示，使得调峰电量的信息能够实现可视化，便于后台进行分析处理；[0074]综上本发明通过采集大量的数据，并且通过边缘云层对数据进行快速处理，减轻管理平台的计算压力；并且边缘云层对数据预处理包括清洗、转换和融合，分析处理包括特征提取和趋势判定，完成对数据的处理，能够降低管理平台对数据处理的难度；同时，管理平台中包括预测模型，通过预测模型进行预测发电量，管理平台中包括评估模型，通过评估模型对调峰过程进行评估，即管理平台通过预测模型和评估模型实现对数据进行处理，便于实现对电力调峰进行管理控制，并且评估和预测之间能够相互对应，便于在调峰电量欠缺的时候，及时的进行调控，保持调峰过程中的电量的精准性控制；通过数字孪生技术建立发电设备的可视化界面，便于将发电设备生产的实际发电量数据、预测发电量数据和评估数据进行融合在数字孪生模型上进行展示，使得调峰电量的信息能够实现可视化，便于后台进行分析处理。附图说明[0075]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0076]图1是根据本发明实施例的电力系统调峰需求评估系统的结构示意图。具体实施方式[0077]为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。[0078]根据本发明的实施例，提供了一种电力系统调峰需求评估系统。[0079]现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例[0080]所述采集层用于对数据进行采集，所述采集层采集的数据包括用于对发电量进行预测判定的历史负荷数据、设备数据、经济活动数据和评估数据，以及包括用于对电力调峰进行评估的变电站电量数据、投诉电话数据和预测发电量数据；[0081]所述传输层用于对所述采集层采集的数据进行传输，所述历史负荷数据通过5G网络实现数据传输，所述设备数据通过物联网实现数据传输，所述经济活动数据通过5G网络实现数据传输，所述变电站电量数据和所述投诉电话数据通过5G网络实现数据传输；[0082]所述边缘云层用于对数据进行接收和处理，所述边缘云层通过物联网和5G网络对所述历史负荷数据、所述设备数据、所述经济活动数据、所述变电站电量数据和所述投诉电话数据进行接收，所述边缘云层对数据的处理包括预处理和分析处理，所述预处理用于对数据进行清洗、转换和融合，所述分析处理用于对预处理后的数据进行特征提取和趋势判[0083]所述管理平台中包括预测模型、评估模型和可视化模块，所述预测模型通过分析处理后的所述历史负荷数据、所述设备数据和所述经济活动数据对调峰进行预测发电量，并且将所述评估模型计算得到的评估数据作为更新数据，将所述评估数据输入到所述预测模型中，实现对预测发电量进行及时的调整控制，所述评估模型通过分析处理后的所述变电站电量数据和所述投诉电话数据对调峰过程进行评估，并且将所述预测模型计算得到的预测发电量数据作为更新数据，将所述预测发电量数据输入到所述评估模型中，通过所述预测发电量数据对所述评估模型进行数据支撑，所述可视化模块通过数字孪生技术建立发电设备的可视化界面，便于将发电设备生产的实际发电量数据、所述预测发电量数据和所述评估数据进行融合展示。[0084]本实施例中，优选的，所述历史负荷数据从数据存储库中进行提取，所述设备数据通过传感器对各类发电设备采集获取，所述经济活动数据用于对各个商业或者生产产地的活动进行数据采集，所述变电站电量数据用于对各个变电站的供电电压进行数据采集，主要用于对调峰需求的负载电压进行采集，所述投诉电话数据用于对投诉电话数量进行统[0085]所述预测发电量数据是所述预测模型计算分析处理获得的数据，所述评估数据是评估模型计算分析处理获得的数据，并且分别将所述预测发电量数据和所述评估数据分别作为所述评估模型的更新数据和所述预测模型的更新数据；[0086]需要说明的是，通过采集多样的数据，便于实现对调峰电量进行预测生成，过数据对调峰过程中的电量进行评估，并且为了使得预测数据和评估数据之间能够相互作用，将预测发电量数据和评估数据分别输入到评估模型和预测模型中，完成对预测和评估进行联动，实现对应性的调节控制调峰电量。[0087]本实施例中，优选的，所述传输层中包括物联网和5G网络，所述物联网用于对各类传感器采集的数据进行上传，所述5G网络用于对系统的数据进行传输到所述边缘云层，并且所述传输层还包括防火墙和数据网关；[0088]所述防火墙主要用于保护网络免受攻击和未经授权的访问，用于实现流量监控和据与平均值的标准化偏差；[0107]并且当Z超过设定阈值时，标记为异常点，即Z≥|3,并且对异常点进行删除。[0108]本实施例中，优选的，所述分析处理将数据生成数据折线图，并且对数据折线图中两点之间的斜率进行计算，获得斜率数据，然后再将斜率数据进行生成斜率折线图，并且根据斜率折线图的倾斜方向对数据的走向进行判定，并且根据斜率折线图的倾斜方向判定数据的峰谷点和高峰点，即斜率折线图在向上倾斜后，再向下倾斜，则斜率折线图的折线端点即为高峰点，若斜率折线图在向下倾斜后，再向上倾斜，则斜率折线图的折线端点即为峰谷点，分别获得高峰点数据和峰谷点数据；[0109]需要说明的是，结合数据折线图和斜率折线图，能够精确识别数据的高峰点、峰谷点和走向，能够帮助数据分析者更清楚地理解数据的波动特性，为后续的预测、决策或进一步分析提供关键的信息。[0110]本实施例中，优选的，所述特征提取用于对数据中特征信息进行提取，提取的特征[0111]然后将历史负荷数据、设备数据和经济活动数据或者变电站电量数据、投诉电话数据提取的特征数据进行组合特征处理，将多个特征组合成一个新的特征，即通过特征交叉技术生成组合特征，并且将高峰点数据和峰谷点数据进行融入到组合特征中；和最小值、偏度和峰度，并结合特征交叉技术生成新的组合特征，以及将高峰点和峰谷点数据融入其中，能够显著提升数据模型的预测能力，特征提取与组合处理方法，不仅帮助深入理解数据的内在规律，还为后续的建模和决策提供了更为丰富的信息支持。[0119]所述标准差的计算如下：[0125]所述最大值和最小值的计算如下：Minem=min(Minla,xnem)’[0128]所述偏度的计算公式如下：[0130]其中，Skewness表示M2ola是之前的第二中心距，M3new是新的第三中心矩，M3₀la是之前的第三中心距；[0131]所述峰度的计算公式如下：[0133]其中，Kurtosis表示的是计算后得到的峰度值，M4是第四中心矩，表示数据分布的尖锐程度和尾部的厚度，通过第四中心矩计算，反映数据分布的尾部厚度和分布的尖锐度，标准正态分布的峰度为3,减去3后，如果峰度大于0,表示分布比正态分布更尖锐或尾部更厚；如果峰度小于0,表示分布比正态分布更平坦，M4new为新的第四中心距，M4oa为之前的第四中心距；[0134]需要说明的是，特征提取是机器学习将数据转换为能够有效代表问题的特征，用于提取出对模型学习最有帮助的信息，特征提取的质量直接影响到机器学习模型的性能，通过提取有用的特征，可以减少数据的复杂性、提高模型的训练速度，并提高预测的准确性，特征提取可以帮助去除冗余和无关信息，提取出更有区分度的特征，提高模型的准确性；通过特征选择或降维技术，可以减少输入数据的维度，从而减少计算开销，提升训练效率；提取的特征通常比数据更加简洁，可以提高模型的可解释性。[0135]本实施例中，优选的，所述特征交叉技术先将历史负荷数据、设备数据、经济活动度、高峰点数据和峰谷点数据进行融合，形成历史负荷数据特征集X₁,设备数据集X₂、经济活动数据集X₃、变电站电量数据集X₄和投诉电话数据集X₅;[0136]将发电量进行预测判定的历史负荷数据特征集X₁,设备数据X₂、经济活动数据X₃通过特征交叉技术进行融合，以及电力调峰进行评估的变电站电量数据集X₄和投诉电话数据集X₅;X⁷o=(x₁×X₂,X₁×X₃,X₂×X₃,x,分别得到发电量进行预测的特征集Xcrosa和电力调峰进行评估的特征集Xcros多层感知机的计算公式：:y=Wh-1+b[0143]需要说明的是，特征交叉是历史负荷数据、设备数据、经济活动数据、变电站电量峰谷点数据进行融合组合作为新的特征，并且再将历史负荷数据、设备数据、经济活动数据、变电站电量数据和投诉电话数据进行融合，以捕捉之间的交互作用，有助于线性模型或其他传统模型能够更好地建模复杂的非线性关系。[0144]本实施例中，优选的，所述预测模型采用的算法是岭回归，用于预测连续的数值输出，根据输入数据预测一个连续的目标变量；[0146]其中，Loss表示的是岭回归中的损失函数，y表示的是第1个样本的实际观测值，表示的是第1个样本的预测值，(v₁-)表示的是第1个样本的误差平方，表示的是样本的误差平方求和，λ表示的是正则化参数，控制正则化项对模型的影响程度，表示的是回归系数的L2范数的平方，m是数据集中输入变量的数量，表示的[0147]需要说明的是，岭回归用于对数据进行最小化误差平方和，引入L2正则化项，避免了模型在特征多、噪声大的情况下过拟合，正则化项的引入使得预测模型能够平衡数据的拟合精度和回归系数的复杂度，从而提高预测模型的泛化能力，能够有效的实现对调峰进行预测发电量。[0149]设定每棵树会输出一个预测值，最终的预测结果是所有树的预测值的平均值：