基于双层XGBoost的风力发电机瞬时发电量预测
段亚穷
向勉
刘洪笑
周丙涛
曾曙莲
湖北民族大学 智能科学与工程学院,湖北 恩施445000
摘要：为解决风力发电预测不准确的问题,进一步提高风力发电场发电量的预测精度,提出了一种双层XGBoost的风电场发电量预测模型.该模型第一层为数据分析层,利用XGBoost的特征重要性排序分析SCADA数据,通过特征重要性分析排序选择特征变量作为输入;第二层为预测层,利用XGBoost回归算法建立风力发电量预测模型.为表现模型优越性,设置对比实验,将降维后的数据输入随机森林和决策树.结果表明,对比随机森林和决策树,XGBoost模型均方根误差和平均绝对误差较小,准确率可达到96.1％,具有更高的拟合度,可以有效解决非线性变量难以选择的问题,减少输入特征维度,加快预测速度.
关键词：电量预测特征重要性风力发电XGBoost新能源
分类号：TN911.3(通信)
资助基金：硒食品营养与健康智能技术湖北省工程研究中心开放课题(PT082005)
论文发表日期：2022-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 171-175,195 )
英文信息