《Energies》:Day-Ahead XGBoost Forecasting of Aggregated Residential Load: Accuracy and SHAP Ranking Agreement Across Experimental Configurations
编辑推荐:
本研究评估了所选季节测试周期、训练窗口策略及超参数选择方案与XGBoost日前预测精度及其可解释性差异之间的关联,研究对象为波兰约300户G11电价居民用户。十六种配置组合了四个31天时段、滑动或扩展训练窗口,以及共享(H1)或窗口特定(H2)超参数方案。模型
本研究评估了所选季节测试周期、训练窗口策略及超参数选择方案与XGBoost日前预测精度及其可解释性差异之间的关联,研究对象为波兰约300户G11电价居民用户。十六种配置组合了四个31天时段、滑动或扩展训练窗口,以及共享(H1)或窗口特定(H2)超参数方案。模型采用19个时间、气象及日历特征;训练、验证和测试阶段的气象预测因子均取自同一运行预报系统存档的数值天气预报(NWP)预报,且这些预报在预测日前可获得。精度采用平均绝对值误差(MAE)、均方根误差(RMSE)及平均绝对百分比误差(MAPE)评估;配对比较采用经Harvey–Leybourne–Newbold校正及Holm调整的Diebold–Mariano检验。全局SHAP(Shapley加性解释)排序通过Spearman相关系数进行比较。MAE范围介于7.79至14.98 kWh之间,所有配置的MAE、RMSE及MAPE均低于两个持久性基准。经Holm校正后,训练窗口策略未表现出统计上显著的优势。对于秋季扩展窗口比较,结果支持H2假设,而夏季结果的显著性取决于方差估计方法。24小时消费滞后特征在所有配置中排名第一,120对比较的平均排名一致性为0.897。预测精度因测试时段和配置不同而有所差异,而特征层次结构保持高度一致。
## 实验配置矩阵下XGBoost聚合负荷日前预测精度与SHAP可解释性稳定性研究
短期负荷预测作为电力系统安全经济运行的关键支撑环节,在可再生能源占比不断提升与用户行为日益复杂的背景下,其重要性愈发凸显。精准的日前负荷预测为系统平衡、电网运行调度以及分布式电源、储能和需求侧灵活性资源协同等运营决策提供必要的信息支撑。居民及低压用户的负荷形态受日周期、周周期、季节更替、气象条件及用户行为习惯等多重因素共同塑造,而这些因素具有非线性和时变性,使得短期负荷预测成为具有挑战性的时间序列建模问题。尽管负荷聚合削弱了个体用户固有的部分波动性,但聚合结果所呈现的非线性和非平稳特征并未消失,预测难度依然显著。相较于电力系统整体的用电需求,局部用户群的聚合负荷曲线更容易受到特定日程事件以及居民日常行为同步效应的直接影响,即便是短暂偏差在月度均值层面不可见,但其运营影响却可能因具体时段和误差方向而显得重要。因此,短期负荷预测(STLF)的评价不仅需要考虑在整个周期上聚合的单一误差指标,还必须同时考察误差的时间分布特征。现有负荷预测研究通常建立在负荷历史数据、日历变量以及气象变量之上,这些变量对预测的作用在不同的时刻和季节下时时变化,其相关性可能随时间变化。机器学习方法,特别是XGBoost,凭借其表达非线性关系和变量间交互效应的优势,在负荷预测领域得到广泛应用,但此类模型需要人工设计时间特征,而且其预测性能以及模型的可解释性在不同实验配置下的行为特征仍未得到完全解析。当前研究大多在某个数据集上测试单一模型,很少系统地评估不同季节测试时段、训练窗口更新策略以及超参数调优策略对模型性能与结构解释稳定性的影响,实验设计因素造成的干扰与算法本身性能的差异难以区分。与此同时,SHAP(SHAapley加性解释)作为一种基于Shapley值的模型解释方法被广泛用于负荷预测模型的特征归因分析,但其排序在不同实验配置下的一致性及其对随机性与数据组合的敏感程度,在既有文献中仍未得到充分考察。为填补上述研究空白,本研究设计了一个包含三个维度的实验矩阵,旨在评估XGBoost聚合负荷预测模型在不同季节测试时段、两种训练窗口策略(滑动与扩展)以及两种超参数调优策略(H1与H2)配置下的预测精度差异和TreeSHAP可解释性排序变化,并探讨实验设计因素导致的差异是否具有统计显著性。研究人员以此构建了报告三个研究问题:精度差异是否统计显著地可归因于窗口策略和调参策略;全局SHAP特征重要性排序是否在不同配置下保持较高一致性。
该项研究基于波兰南部格利维采地区约300户居民在总G11电价组合下的聚合逐时电力消耗数据,时间跨度为2024年全年,包含每日24小时完整分布。研究没有采用电力系统宏观数据,而是将上述数据概率分布外界条件统一与气象及日历信息数据进行匹配。气象预测变量分别来自与若干预报天数统一运行的气象预报系统所得的为期十天的气象预报数值,不依赖观测数据,因而避免了数据泄漏,并使训练,验证和测试各阶段的气象输入在现代预测场景中保持一致。经特征工程后,模型采用19个特征作为输入,其中包括历史负荷信息。为了评估不同天气(Winter、Spring、Summer、Autumn)、滑动窗口(S1–S4)或扩展窗口(E1–E4)并在每季选一个确定时间的31天测试样本条件下完成26项配置的实验矩阵,其中超参数的两个调参模式分别为共享H1策略(由所有策略的单一超参数)和窗口特定H2策略(初每个季节的性能优化)进行过验证。
在实验配置表设计的基础上,基于标准向前推进(walk_forward)再训练机制来构建预测,策略评估:在每个测试日前,系统重新在相应的数据窗口上训练模型,然后滚动生成测试日中24个时刻的预测,直至覆盖整个测试周期。模型训练采用XGBoost梯度提升树算法,目标函数设置回归平方误差损失并加以正则化。模型在预测日前一天对确保所有输入均可用的基础条件下进行公开。精度由MAE(绝对平均误差)、RMSE(均方根误差)和MAPE(平均绝对值相对误差)三个指标判定,连续所有评测的比较通过配对Diebold–Mariano检验与Harvey–Leybourne–Newbold修正及Holm校正结合序贯调整方法加以评估以严格控制总体误差率。还发展了两个持久性基准(24小时和168小时基准)用于验证模型的有效性。同时,采用TreeSHAP技术对每个配置的逐时预测进行归因分解,获取每个特征的局部SHAP值,以全局平均绝对SHAP值以及归一化后的份额作为对该特征全局重要性的度量,并通过Spearman秩相关和Top-5重叠度指标定量评估不同配置之间的特征排序一致性。为全面掌握结果的可重复性,研究还展开了多重随机种子敏感性分析和日级块自举法(block bootstrap)分析,并设置算法生成细节和排除完整原始样本来检验排名稳健性。
研究结果表明,在不同实验配置中每一项汇总误差指标均表现出明显的差异。MAE变化范围为7.79至14.98 kWh,RMSE变化范围为10.25至21.27 kWh,MAPE变化范围为6.01%至8.64%。最佳综合性能出现在秋季配置的E3-H2传统组合中,三项指标均最低。值得关注的是,在相同的四个31天测试时段内,XGBoost所有配置的MAE、RMSE以及MAPE值均明显低于24小时和168小时持续式基准模型,以MAE为例,相对于更强的24小时持久性基准,误差下降了0.15%~33.0%。比较配置间的差异时,春季与夏季四个季节时段的测试结果描述性地展现出最长的系统差异,夏季测试期MAE、RMSE、MAPE均为最低。滑动和扩展窗口策略之间的差异性未在统计上得到一致的结论——扩展策略在八次配置对比中MAE有所下降五次,但经Holm校正后并无配对比较达到显著性水平(差值均为p_Holm>0.05),且HAC稳健性分析结果未改变这一结论。H2优化策略在八个配对中占有六次实现了更低的MAE,其中秋季扩展窗E4下H2收益最大(1.22kWh平均日损失差,p_Holm=0.0021)具有统计显著性,而夏季E3则依赖于方差估算方法,稳健性不足。基于平均绝对SHAP值计算而得的全局特征重要性结果展示了一个一致性突出的排序层次结构:lag_24(24小时滞后消费)在16个配置的所有配置中排名第一,其平均绝对重要性为16.70 kWh,占归一化重要性的23.33%;hour为10.12 kWh,占比13.95%;lag_168为9.43 kWh,占比12.95%。前五特征的和占聚合特征重要性的69.48%,前十大占到89.78%。全局SHAP热图显示这种特征的主导地位在各季节、窗口策略和超参数策略变化中持久且显著,日历因素(特别是时间类和月度类的属性)和历史记忆类特征在不同的配置中依然占据极其重要的领先地位;而直接辐射(direct solar irradiance)在15种配置中位居前五,显示了天气变量在负荷预测中的非线性作用。来自三组对比数据,100对Spearman排名相关性平均为0.8970,中位数为0.9018,范围为0.7456–0.9947;Top-5重叠度平均为0.910,其中67对配置的Top-5集合完全一致。季节性变化的配置间排序差异相对最大(Spearman平均0.900),滑动-扩展窗口策略间为0.9537(平均),H1–H2调参比较间为0.964,高排序一致性表明广义季节特征可以说明的解释排序跨不同情景的稳定性。bootstrap分析显示,跨全部16种固定配置的top-5特征集在10000次重抽样下不变,配置水平下复制所有seed的比例达到99.83%,同时21%和24小时的自预测高度稳定。在多种子敏感性分析中,涉及随机采样的所有7种配置的模型MAE标准差不超过0.13 kWh,种子处的SHAP排序一致性高达平均值0.9882,且6个种子和的120种跨配置平均排序中均值仅为0.898——表明模型得到的排序高一致性与随机性无关。对S1-H1参考配置进行局部层分析表明:高值lag_24熵和lag_168监控导致SHAP正贡献,hour特征呈现非单调,辐射在冬季更多赋予负贡献属性;给定案例的可加性经验证后确定数值重建误差被限制在0.001 kWh水平内,解释功效显著。
本研究系统评估并对比了三种不同实验设定维度下的预测精度和解释稳定性差异,对负荷预测性能变化与季节效应之间的关联进行比较,以此获得在于不同窗口和调参策略影响下的预测差异的统计推断,并对SHAP排序一致性进行了深层验证分析。其结果显示,在此汇聚负荷预测的背景下,XGBoost精度相对于持久性基线均有所改善,但通过对整体天数构建的配对统计检验显示,学习过程中以全时间滑动窗口或对特定数据采取取消训练策略及按一次窗口调参的两种过程中,各自的H2调参仅在部分情况呈现相对收益,而滑动与扩展策略间没有优势,这种差异的标准,受限于测试周期且季节多样导,因此不应将其解释为本预测算法的普遍最优选择。同时,过程中的可解释性分析揭示,模型的决策主要依赖于其时间记忆回路(组合成一大类特征占据50.9%的平均权重),特征排序也仍然跨实验配置保持高度稳定,表明解释结果可以将此方法作为装置级质量管控工具,但该结果只反映模型为其拟合过程所述的归因关系,不具有以因果解释为直接可靠性证据的功能,也不如对排序差异十分敏感的突出特征进行分组解读。在负荷预测应用的实际操作上,本实验建议在选择具体模型时,应以多周期独立时间段的预测验证为基础,综合评估预测准确性、误差统计意义、模型解释一致性及数值计算资源成本,对周期性配置调优策略的采纳应基于其在充分验证条件下表现出的稳定优势。研究结论还指出此项分析边界,应用于单一地理位置及单一消费者集合,且采用2024全年每季节单个月份周期的数据,结论在推广时应考虑检测范围间的数据一致性,未来研究应当综合多年份不同季节窗口、多样用户群体和多地域特征数据并充分研究树形模型超参数选择阶段所引入的不确定性,在保证统计显著性的前提下系统地评估模型及解释在时间过程中的鲁棒性。