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