典型文献
基于误差修正的短期风电功率集成预测方法
文献摘要：
为了提高短期风电功率预测精度,提出了一种基于误差修正的短期风电功率集成预测模型,此模型首先利用改进粒子群优化的极端梯度提升(extreme gradient boosting,XGBoost)初步建立风电功率预测模型,然后根据风速与功率的关系,将XGBoost模型预测误差分为低风速功率误差、中风速功率误差以及高风速功率误差3类,针对每类误差分别训练随机森林,得到对应的功率误差预测模型,最后将XGBoost模型预测结果和功率误差预测值相加即可得到基于误差修正的短期风电功率预测值.研究结果表明所提模型利用集成学习以及残差学习的方法提高了短期风电功率预测精度,因此所提模型可以促进风电消纳能力并提高电力系统运行的经济性.
文献关键词：
风电功率;误差修正;集成预测;XGBoost模型;随机森林模型;改进粒子群算法
中图分类号：
作者姓名：
丁婷婷;杨明;于一潇;司志远;张强
作者机构：
山东大学电气工程学院,济南250061;国网山东省电力公司山东电力调度控制中心,济南250061
文献出处：
引用格式：
[1]丁婷婷;杨明;于一潇;司志远;张强-.基于误差修正的短期风电功率集成预测方法)[J].高电压技术,2022(02):488-496
A类：
B类：
误差修正,短期风电功率预测,集成预测模型,改进粒子群优化,极端梯度提升,extreme,gradient,boosting,XGBoost,功率预测模型,预测误差,低风速,功率误差,每类,误差预测,相加,集成学习,残差学习,风电消纳,消纳能力,电力系统运行,随机森林模型,改进粒子群算法
AB值：
0.226674
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
