摘要：針對目前電網在負荷預測中所采集到的數據普遍存在著特征維度較少、特征關系不明、有效數據量較少的特點,為了提高電網短期負荷預測精度,提出一種基于XGBoost算法的新型負荷預測模型。基于XGBoost算法的負荷預測模型采用CART樹作為基學習器,輸入預處理后的歷史負荷和特征數據,通過構建多個弱學習器逐層訓練并得到模型,最后向模型輸入測試集特征得到最終的預測結果。所搭建的負荷預測模型具有避免對數據特征的標準化、處理字段缺失的數據、不用關心特征間是否相互依賴、學習效果好的優點。根據真實電網數據實驗結果,基于XGBoost算法的負荷預測平均絕對誤差百分比下降到3.46%,對比基于BP、GRNN、DBN神經網絡的負荷模型預測值精度更高,表明所提模型的優越性。