典型文献
基于局部学习和多目标优化的选择性异质集成超短期风电功率预测方法
文献摘要：
风能的间歇性、波动性和随机性会对电网造成巨大冲击,准确的风电功率预测对于制定发电计划和统筹调度至关重要,因此提出一种基于进化多目标优化的选择性异质集成(evolutionary multi-objective optimization based selection heterogeneous ensemble,EMOSHeE)风电功率预测方法.首先,结合K近邻和K均值聚类的优势构建多样性局部区域并通过概率分析剔除冗余状态,从而获得涵盖不同波动状态下的样本子集.其次,在每个局部区域上利用偏最小二乘、支持向量回归和高斯过程回归3种方法分别建立预测模型,得到一个具有较高多样性的异质模型库.随后,利用进化多目标优化算法对异质模型库进行集成修剪,从而获得一组较小规模、多样且高性能的异质模型集.最后,引入简单平均策略实现修剪后的异质模型集的融合并获得最终的预测结果.利用云南省和国外某风电场的真实数据验证了所提方法的有效性.
文献关键词：
风电功率预测;集成学习;局部学习;集成修剪;进化多目标优化;异质集成
中图分类号：
作者姓名：
石立贤;金怀平;杨彪;钱斌;金怀康
作者机构：
昆明理工大学信息工程与自动化学院,云南省昆明市 650500;云南省人工智能重点实验室(昆明理工大学),云南省昆明市 650500;华能新能源股份有限公司云南分公司,云南省昆明市 650000
文献出处：
引用格式：
[1]石立贤;金怀平;杨彪;钱斌;金怀康-.基于局部学习和多目标优化的选择性异质集成超短期风电功率预测方法)[J].电网技术,2022(02):568-577
A类：
进化多目标优化,EMOSHeE,集成修剪
B类：
局部学习,异质集成,超短期风电功率预测,风能,间歇性,波动性,随机性,巨大冲击,发电计划,统筹调度,evolutionary,multi,objective,optimization,selection,heterogeneous,ensemble,近邻,均值聚类,局部区域,概率分析,波动状态,样本子,子集,偏最小二乘,支持向量回归,高斯过程回归,模型库,多目标优化算法,小规模,风电场,真实数据,数据验证,集成学习
AB值：
0.287856
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。
