基于空间相关性与Stacking集成学习的风电功率预测方法

基于空间相关性与Stacking集成学习的风电功率预测方法
针对目标气象预报数据缺失导致风电预测精度不足的问题，提出一种基于空间相关性和Stacking集成学习的风电功率预测方法。首先，分析目标风电场与相邻气象站点之间的空间相关性，根据相关系数极值点确定延迟时间，构建风速时移数据集；其次，利用Stacking集成方法融合多元算法，从多个数据观测角度预测目标风电场的风电功率，实现不同算法的优势互补，提升整体泛化能力，并采用粒子群优化算法搜索模型超参数，较好地平衡搜索时间与模型效果；最后，采用华东地区某风电场的实测数据验证了文中所提方法的有效性和准确性。结果表明，通过考虑不同位置的信息偏差，从数据输入和预测模型两方面可有效提高数据缺失情况下的风电预测精度。

标题：
基于空间相关性与Stacking集成学习的风电功率预测方法
Wind power prediction method based on spatial correlation and Stacking ensemble learning

作者：
王小明，徐斌，尹元亚，潘文虎，吴红斌，韩屹
WANG Xiaoming, XU Bin, YIN Yuanya, PAN Wenhu, WU Hongbin, HAN Yi

关键词：
风电功率预测;空间相关性;Stacking集成学习;风速时移;多元算法融合;粒子群优化
wind power prediction;spatial correlation;Stacking ensemble learning;wind speed time-shift;multiple algorithms fusion;particle swarm optimization

2025-1-23 20:06 上传 基于空间相关性与Stacking集成学习的风电功率预测方法.pdf

文件大小:

1.61 MB

下载次数:

60

高速下载