电力是社会发展不可或缺的能源,其供应量是直接影响社会经济与科技发展的重要因素,而区域用电量预测则是改善国家电力供需不平衡状态的重要依据,区域用电量预测方法目前已成为国内外学者研究的热点问题。随着机器学习技术的快速发展,涌现出许多优秀的预测算法,如时间序列预测算法、神经网络算法等,这些算法具有善于挖掘时间因素相关特征的特点,被广泛应于解决区域用电量预测实际问题中。Prophet是一种时间序列预测算法,模型采用加法设计思想,由增长趋势、周期趋势、节假日、噪声四部分组成,在商业销量预测和时间序列预测的相关领域中表现出色。但Prophet算法各部分侧重于局部特征抓取,在预测过程中易陷入局部过拟合,导致预测误差偏大。针对Prophet模型预测行为中的部分不足,本文提出融合模型,利用XGBoost模型的正则项解决过拟合问题,并引入非线性误差修正机制对改进模型预测结果进行误差修正,从而达到减小预测误的目的。本文主要研究内容如下:(1)针对单一Prophet模型预测易陷入局部过拟合的问题,本文提出了X-Prophet融合模型。首先,根据用电量数据受特殊时间因素影响的特点,引入具有挖掘日期特征的Prophet模型,提取历史用电数据中的节假日信息,显示加入预测模型训练的过程中,充分发挥Prophet加法模型中节假日趋势部分的性能;其次,为避免Prophet模型在节假日等特殊时间节点上易陷入过拟合的问题,提出融合模型X-Prophet,引入XGBoost强分类器,基于XGBoost正则化可有效防止过拟合的特点,对历史用电数据中的特征规律充分挖掘,从而提高预测的准确性,减小预测结果的平均绝对值误差(MAPE)和均方根误差(RMSE)。实验结果分析显示,X-Prophet预测结果明显优于单一Prophet模型,预测误差MAPE减少了约11.1%,RMSE减少了约10.5%,较好的解决了Prophet预测局部过拟合导致预测误差偏大问题。(2)针对改进模型X-Prophet部分预测值与真实值偏差较大的问题,本文引入非线性误差修正机制优化X-Prophet模型。对未来数据预测的同时,分析计算参考项与预测结果项的真实误差,利用非线性误差预测机制对误差项进行预测,将得到的误差预测项作为预测值的误差修正参数,并根据误差修正参数加权修正预测值,得到最终预测结果。实验结果表明,优化后的X-Prophet模型具有更小的预测误差,MAPE减少了约1.5%,RMSE减少了约1.3%,证明改进算法是有效可行的。(3)根据本文研究成果,设计实现了区域用电量预测系统,系统采用C/S架构,包含用户注册/登录、数据处理、用电量预测和用户管理四大模块,并将非线性误差修正模型X-Prophet应用于系统的用电量分析预测模块,取得较好的预测效果。