面向光伏功率预测的残差深度学习模型

为保证光伏功率预测模型在气象突变时具有较高的精度,提出用残差量化气象突变,并将其构造为一种新特征。应用最大信息系数(MIC)剔除无关的气象特征后,引入XGBoost模型得到残差序列。利用残差的自相关性,将上一时刻的残差作为当前时刻的新特征,构建面向光伏功率预测的残差深度学习模型。实验结果表明,在气象突变下,该模型能取得更高的精确度。