-
题名基于集成机器学习模型的短期光伏出力区间预测
- 1
-
-
作者
陈习勋
吴凯彤
何杰
彭显刚
-
机构
广东电网有限责任公司汕头供电局
广东工业大学自动化学院
-
出处
《智慧电力》
北大核心
2024年第2期87-93,107,共8页
-
基金
国家自然科学基金资助项目(62273104)
广东电网有限责任公司科技项目资助(030500KK52220014)。
-
文摘
为全面深挖影响光伏出力因素之间的关联信息,进一步提高机器学习模型在短期光伏出力区间预测的精度,提出一种基于集成机器学习模型的短期光伏出力区间预测方法。首先,利用快速相关性过滤(FCBF)的特征选择算法对多维的历史光伏数据及气象数据进行最优特征的提取;然后,在集成多个机器学习模型的基础上,收集训练过程中的预测误差,通过最大似然估计获取预测误差的概率分布,得到预测区间的上下限;最后,结合集成学习模型预测得到光伏出力曲线,进而得到最终的日前光伏出力预测区间。最后通过算例验证了所提模型的可靠性与优越性。
-
关键词
短期光伏功率预测
特征选择
机器学习
区间预测
-
Keywords
short-term photovoltaic power prediction
feature selection
machine learning
interval prediction
-
分类号
TM714
[电气工程—电力系统及自动化]
-