典型文献
基于信息融合和堆叠模型的超短期风电功率预测
文献摘要：
针对超短期风电功率预测,准确捕捉功率变化因素和建立混合预测模型是提高预测精度的有效手段之一.为了能够继承和整合单个模型的优点以及增强历史信息的表示和利用能力,文章提出了一种基于信息融合和堆叠模型的超短期风电功率预测模型.首先,利用相关性方法选择历史功率序列和历史测风塔数据的特征,作为预测模型的输入;然后,建立两层堆叠的集成模型作为预测模型,并使用交叉验证和超参数优化以增强预测模型的泛化性能;最后,以每个基学习器的输出作为元学习器获得最终预测值的新输入.通过东北某风电场真实数据的验证,以及与单一模型、深度神经网络模型和集成学习模型的对比,验证了所提模型的可行性和有效性.
文献关键词：
风电功率预测;时间序列分析;stacking模型;序列分解与重构;TPE算法
中图分类号：
作者姓名：
鲁泓壮;丁云飞;汪鹏宇
作者机构：
上海电机学院 电气学院, 上海 201306
文献出处：
引用格式：
[1]鲁泓壮;丁云飞;汪鹏宇-.基于信息融合和堆叠模型的超短期风电功率预测)[J].可再生能源,2022(03):344-349
A类：
序列分解与重构
B类：
信息融合,堆叠模型,超短期风电功率预测,变化因素,混合预测模型,历史信息,功率预测模型,方法选择,测风塔,两层,集成模型,交叉验证,超参数优化,泛化性能,基学习器,元学习,风电场,真实数据,深度神经网络模型,集成学习模型,时间序列分析,stacking,TPE
AB值：
0.257004
相似文献
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。
