杨炎昆,李玉玲,杨仕友.短期风电出力预测的融合模型比较[J].电工技术,2024(24):75-78
短期风电出力预测的融合模型比较
  
DOI：10.19768/j.cnki.dgjs.2024.24.018
中文关键词:  浙江大学电气工程学院
英文关键词:
基金项目:
作者单位
杨炎昆 浙江大学电气工程学院 
李玉玲 浙江大学电气工程学院 
杨仕友 浙江大学电气工程学院 
摘要点击次数: 30
全文下载次数: 0
中文摘要:
      风力发电具有间歇性、波动性和强随机性等特点，增加了电力系统调峰、调度的压力，因此对风电出力进行准确预测具有显著技术、经济收益。为解决传统风电预测学习方法难以消除风电随机性的问题，提出了一种基于Stacking算法的短期风电功率预测集成学习方法，以降低风电出力预测的误差。首先依据Bagging和Boosting算法训练基学习器，然后应用等权重融合模型等5种线性融合模型和Stacking融合模型将其组合得到确定性预测结果。计算结果表明，6种融合模型的预测结果均有较满意的提升效果。此外，由于Stacking算法可更灵活地优化第二层的预测，其性能稍优于其他组合策略。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器