典型文献
基于XGBoost-LSTM组合模型的光伏发电功率预测
文献摘要：
该文提出一种基于极端梯度提升(XGBoost)模型和长短期记忆网络(LSTM)模型的短期光伏发电功率预测组合模型.根据短期光伏发电特性,首先分别建立XGBoost模型和LSTM模型,然后利用XGBoost模型进行初步预测增加特征,并利用误差倒数法将两模型组合起来进行预测.选取2018年光伏电站人工智能运维大数据处理分析大赛的数据集进行实验评估,最终结果表明,该文所构建的XGBoost-LSTM组合模型的均方根误差(RMSE)为0.214,将上述方法与随机森林、GBDT模型和单一的XGBoost模型和LSTM模型相比较,该文提出的方法具有更高的预测精度.
文献关键词：
光伏发电;功率预测;XGBoost;长短期记忆网络
中图分类号：
作者姓名：
谭海旺;杨启亮;邢建春;黄克峰;赵硕;胡浩宇
作者机构：
陆军工程大学国防工程学院,南京 210007;中国人民解放军63769部队,西安 710000
文献出处：
引用格式：
[1]谭海旺;杨启亮;邢建春;黄克峰;赵硕;胡浩宇-.基于XGBoost-LSTM组合模型的光伏发电功率预测)[J].太阳能学报,2022(08):75-81
A类：
B类：
XGBoost,组合模型,光伏发电功率预测,极端梯度提升,长短期记忆网络,发电特性,加特,倒数,模型组合,光伏电站,智能运维,大数据处理,数据处理分析,实验评估,RMSE,GBDT
AB值：
0.226921
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。
