重庆理工大学学报(自然科学) ›› 2022, Vol. 36 ›› Issue (7): 303-309.

• 数学·统计学 • 上一篇    

双层特征选择和 CatBoostBagging集成的短期风电功率预测

康文豪,徐天奇,王阳光   

  1. 1.云南民族大学 云南省高校电力信息物理融合系统重点实验室,昆明 650504; 2.国网湖南省电力有限公司,长沙 41000
  • 发布日期:2022-08-17
  • 作者简介:康文豪,男,硕士研究生,主要从事新能源发电预测研究,Email:17803477807@163.com;通讯作者 李琰,女,博 士,副教授,主要从事电力信息物理融合系统、新能源并网研究,Email:yan.li@ymu.edu.cn。

  • Published:2022-08-17

摘要: 为了充分挖掘风电场数据和提高短期风电功率预测精度,提出了一种基于双层特 征选择和装袋算法(bootstrapaggregating,Bagging)集成分类梯度提升算法(categoricalboosting, CatBoost)的短期风电功率预测方法。首先,对风电场原始特征数据应用模拟退火特征选择进行 特征寻优,得到第一层特征集。然后,在其基础上,第二层特征选择通过距离相关系数和最大信 息系数分析风电功率强相关的特征,从而形成最终特征集。最后,建立 CatBoostBagging集成模 型进行风电功率短期预测,并使用新疆某风电场实测数据对算法有效性进行验证。结果表明, 与传统单一机器学习模型及其 Bagging集成模型相比,CatBoostBagging集成模型的预测精度和 模型拟合效果更好。

关键词: 短期风电功率预测;双层特征选择;CatBoost算法;Bagging集成学习

中图分类号: 

  • TM614