基于梯度提升回归器的算力–电力映射模型预测

杨东俊明; 范俊秋; 李庆生; 张裕; 杜刃刃

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于梯度提升回归器的算力–电力映射模型预测

更新时间：2026-06-30

- 基于梯度提升回归器的算力–电力映射模型预测
- Vol. 42, Issue 6, Pages: 1-10(2026)
- 作者机构：
  
  1. 贵州电网有限责任公司电网规划研究中心
  2. 贵州电网有限责任公司电力调度控制中心
- 作者简介：
- 基金信息：
- DOI：
  CLC： TM73
- Published：2026
- 稿件说明：
移动端阅览
杨东俊明, 范俊秋, 李庆生, et al. 基于梯度提升回归器的算力–电力映射模型预测[J]. 2026, 42(6): 1-10.
DOI：

杨东俊明, 范俊秋, 李庆生, et al. 基于梯度提升回归器的算力–电力映射模型预测[J]. 2026, 42(6): 1-10. DOI：

摘要

针对数据中心工作站的功耗预测目前存在的原始传感器特征难以刻画系统非线性耦合、模型易出现固定值预测异常等问题，提出一种融合物理增强特征与多准则特征选择的梯度提升回归模型。首先，基于功耗产生机理，从功率合成、效率密度、交互平衡、非线性变换及性能功耗比5个维度构造15个具有明确物理意义的增强特征；然后，综合Pearson相关系数、随机森林、梯度提升树与互信息4种重要性评估方法，通过归一化平均获得复合重要性评分，并基于前向序列搜索确定最优特征子集；接下来，采用梯度提升回归器构建预测模型，并对测试集中出现的固定值预测异常（86.17 W）实施自动过滤与残差深度分析。在真实工作站小时采样数据集上开展的实验结果表明：增强特征累计重要性超过42%，模型决定系数R

从原始特征的0.624提升至0.935，均方根误差降低14.8 W；多准则特征选择将特征维度由23维压缩至12维，有效降低了冗余与过拟合风险。所提方法显著提升了工作站功耗预测的精度与可解释性，所形成的特征构造与诊断框架可推广至其他IT设备能耗建模场景。

Abstract

关键词

Keywords

references

潘骏,夏祥武,李梁,刘非文.基于关联潮流感知与高斯混合模型的异常用电检测[J].电力建设,2023(11).

顾成杰,高紫莲,朱东郡,张俊军,郑亚兵.基于跨尺度特征增强与多层注意力机制的火灾检测方法[J].燃烧科学与技术,2026(01).

李刚,张英杰,周国亮,吕进.基于特征增强的输电线路航拍小目标异物检测算法研究[J].电力科学与工程,2026(02).

杨梓霖,姜官武,王旭亮.复杂特征增强的轻量化柱形电池表面缺陷检测模型[J].制造业自动化,2026(02).

曹卫堂,周忠发,孔杰,王艳碧,解茹凯.基于梯度提升机的喀斯特高原湖泊叶绿素a浓度遥感反演研究（英文）[J].水利水电技术(中英文),2026(02).

胡杰,曹佃光,龙岭春,高冰,隋翯.基于特征选择和梯度提升的物联网异常检测方法[J].指挥信息系统与技术,2025(05).

李建建,单联瑜,吴俊鸿,彭光前,梁经纬,蔡姗姗,谢军龙.基于随机森林算法的空调房间热环境与热舒适快速预测[J].制冷与空调,2026(02).

姚胜彪,廖真,劳家荣,王飚,柯吉,李杰,李艳波,李刚,陈俊硕,李陇杰,唐文斌,黄忠财,吴海军,李新,路捷,王璇,王妲,李圣睿,刘瀚钊,袁超,郭全福.一种基于TAB-GBDT的建筑能耗预测方法及系统[P].广西桂贺高速公路有限公司;广西交通投资集团有限公司;长安大学,2024.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于VMD-FFCM特征增强的iTransformer短期风速预测

基于多头注意力机制和卷积模型的超短期风电功率预测

基于二次分解和自适应鲸鱼优化算法的碳价格混合预测研究

基于EBM-GML模型的火电企业碳排放效率研究

不同控制模式低压直流系统低频动态等效电路建模及分析

Related Author

王东风

马金杰

胡怡然

杨小龙

黄宇

李俊卿

胡晓东

秦静茹

Related Institution

华北电力大学自动化系

华北电力大学电力工程系

华北电力大学经济管理系

AI问答

⁰