基于偏最大信息系数与组合XGBoost的短期风功率预测

基于偏最大信息系数与组合XGBoost的短期风功率预测
作为新能源领域的课题热点之一，短期风功率预测的研究在提高预测精度的同时也应重视模型的工程化应用。据此，提出一种基于偏最大信息系数的组合XGBoost预测模型。首先，设计一种基于偏最大信息系数的特征选择算法，通过引入偏互信息，在挖掘出对风功率影响较大的气象特征的同时，也能消除耦合信息带来的不利影响。在此基础上，为兼顾模型的精度和计算效率，降低单个模型的预测风险，构建以XGBoost为底层算法的组合预测模型，进一步实现风功率预测。采用2个具有较大差异的风电场作为算例进行验证分析，结果表明，基于偏最大信息系数特征选择算法的组合XGBoost预测模型不但能提升短期风功率的预测精度，与相近的组合预测模型相比，也具备更高的计算效率，有利于工程化应用。

标题：
基于偏最大信息系数与组合XGBoost的短期风功率预测
Combined XGBoost short-term wind power forecasting model based on partial maximum information coefficient

作者：
李科，黄东晨，陶子彬，熊欢，李浩文，杜业冬
LI Ke, HUANG Dongchen, TAO Zibin, XIONG Huan, LI Haowen, DU Yedong

关键词：
特征选择;组合XGBoost;偏最大信息系数;短期风功率预测;计算效率;工程化应用
feature selection;combined XGBoost;partial maximal information coefficient;short-term wind power forecasting;calculation efficiency;engineering application

2025-1-23 19:51 上传 基于偏最大信息系数与组合XGBoost的短期风功率预测.pdf

文件大小:

1.66 MB

下载次数:

60

高速下载