重庆理工大学学报2022，Vol.36Issue(7) ：303-309.DOI:10.3969/j.issn.1674-8425(z).2022.07.037

双层特征选择和CatBoost-Bagging集成的短期风电功率预测

Short-term wind power prediction based on double-layer feature selection and CatBoost-Bagging integration

康文豪 徐天奇 王阳光 邓小亮 李琰
重庆理工大学学报2022，Vol.36Issue(7) ：303-309.DOI:10.3969/j.issn.1674-8425(z).2022.07.037
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

双层特征选择和CatBoost-Bagging集成的短期风电功率预测

Short-term wind power prediction based on double-layer feature selection and CatBoost-Bagging integration

康文豪 1徐天奇 1王阳光 2邓小亮 2李琰1
扫码查看

作者信息

  • 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 410004
  • 折叠

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(bootstrap aggregating,Bagging)集成分类梯度提升算法(categorical boosting,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

引用本文复制引用

基金项目

国家自然科学基金(61761049)

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量4
参考文献量15
段落导航相关论文