基于机器学习的代理购电量区间预测方法

本发明属于机器学习技术领域，涉及基于机器学习的代理购电量区间预测方法。该方法获取历史代理购电量、温度、湿度、分时电价及实际结算电量，按统一预测粒度形成训练样本；依据各影响因素与代理购电量之间的因果传导关系筛选即时变量、滞后变量和交互变量，构建因果特征矩阵；分别训练长短期记忆网络模型和轻量梯度提升树模型，采用改进多目标樽海鞘算法优化模型融合权重，生成代理购电量点预测值；再结合融合残差和分位数回归生成不同置信度的预测区间，并通过基于密度的空间聚类对区间边界进行非对称修正。本发明能够降低偶然相关变量对预测模型的干扰，使点预测残差和区间边界校准保持一致，提高预测区间覆盖稳定性并控制区间无效扩宽。