典型文献
基于特征工程的集成学习短期光伏功率预测
文献摘要：
短期光伏功率预测对于电网稳定运行具有重要意义.为了解决单一模型预测精度不佳的情况,提出了一种在Stac-king集成学习框架下融合Bagging和Boosting算法的短期光伏功率预测模型.首先,引入Copula函数的相关性分析和轻量级梯度提升机的特征贡献度计算来进行特征筛选;然后,选取泛化性能较优的模型作为基学习器,并采用贝叶斯优化算法来对基学习器模型参数进行优化,最后,定义一个超级学习器,采用5折交叉验证,将基学习器与元学习器封装到超级学习器中训练.算例结果表明,在不同季节和不同天气条件下,Stacking模型相较于单一模型有着更高的预测精度.
文献关键词：
Stacking集成学习;贝叶斯优化;Copula函数;光伏功率预测;特征工程
中图分类号：
作者姓名：
崔树银;汪昕杰
作者机构：
上海电力大学经济与管理学院,上海200090
文献出处：
引用格式：
[1]崔树银;汪昕杰-.基于特征工程的集成学习短期光伏功率预测)[J].科学技术与工程,2022(02):532-539
A类：
B类：
特征工程,短期光伏功率预测,电网稳定,集成学习框架,Bagging,Boosting,功率预测模型,Copula,轻量级梯度提升机,贡献度,算来,特征筛选,泛化性能,基学习器,贝叶斯优化算法,交叉验证,元学习,封装,装到,不同季节,不同天气条件,Stacking
AB值：
0.290764
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。
