首站-论文投稿智能助手
典型文献
基于LSTM-XGboost组合的超短期风电功率预测方法
文献摘要:
受数值天气预报信息影响,风电功率变化具有较强的随机波动性,传统单一预测模型精度较低,难以满足现实预测需求.为此,提出基于LSTM-XGboost组合的超短期风电功率预测方法.首先,基于风电场的气象数据,采用皮尔逊相关系数法筛选与风电功率强相关的气象数据,建立风电功率预测模型数据集;然后,将归一化处理的数据集作为LSTM(long short-term memory)和XGboost(extreme gradient boosting)的模型输入,分别构建LSTM和XGboost的超短期风电预测模型,在此基础上,采用误差倒数法对LSTM和XGboost的预测数据进行加权构建组合预测模型;最后,以张家口某示范工程风电场实际运行数据验证组合模型的有效性.结果表明,相较于其他4种单一预测模型,组合模型具有更高的预测精度.
文献关键词:
LSTM模型;XGboost模型;组合模型;风电功率预测;数值天气预报信息
作者姓名:
王愈轩;梁沁雯;章思远;刘尔佳;黄永章
作者机构:
华北电力大学电气与电子工程学院,北京102206
文献出处:
引用格式:
[1]王愈轩;梁沁雯;章思远;刘尔佳;黄永章-.基于LSTM-XGboost组合的超短期风电功率预测方法)[J].科学技术与工程,2022(14):5629-5635
A类:
数值天气预报信息
B类:
XGboost,超短期风电功率预测,信息影响,随机波,波动性,预测模型精度,风电场,气象数据,皮尔逊相关系数,相关系数法,功率预测模型,模型数据,归一化处理,long,short,term,memory,extreme,gradient,boosting,模型输入,风电预测,倒数,预测数据,组合预测模型,张家口,示范工程,实际运行,运行数据,数据验证,组合模型
AB值:
0.241351
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。