典型文献
缺少气象数据场景下的超短期风电预测
文献摘要：
本文对单个风力发电序列进行建模,并提出一种基于小波分解、特征提取和XGBoost+逻辑回归LR(logis?tic regression)且不依赖气象数据风力发电预测模型.提出利用小波分解提取原始风电序列的平均分量和高频分量;分别对平均分量和高频分量进行建模;为了提高模型对数据特征的敏感性,提出了一种将手动提取的特征和历史数据用作预测模型输入的特征提取新方法;最后,选择XGBoost和逻辑回归的组合模型(XGBoost+LR)作为提升模型.实验使用Elia风电场集群数据集和中国南方某风电场的数据集作为测试数据,预测结果使用NMAE和NRMSE作为评价指标,与现有方法比取得明显提升.本文方法在风电功率上下爬坡阶段同样具有良好适应性.
文献关键词：
特征提取;风电预测;小波变换;XGBoost
中图分类号：
作者姓名：
佟佳弘;武志刚;谢钰
作者机构：
华南理工大学电力学院,广州 510640
文献出处：
引用格式：
[1]佟佳弘;武志刚;谢钰-.缺少气象数据场景下的超短期风电预测)[J].电力系统及其自动化学报,2022(03):142-150
A类：
XGBoost+,XGBoost+LR,Elia,NMAE
B类：
气象数据,数据场,超短期,风电预测,于小波,小波分解,逻辑回归,logis,tic,regression,不依,风力发电预测,平均分,高频分量,数据特征,历史数据,模型输入,组合模型,风电场,中国南方,测试数据,NRMSE,风电功率,爬坡,小波变换
AB值：
0.317986
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。
