10.19718/j.issn.1005-2992.2023-04-0001-09
计及数据降维和数据清洗的超短期风电功率预测
现代通讯和测量技术飞速发展,"风电大数据"时代随之而来.在众多数据维度中提取有效的特征量能提高风电功率预测精度.Shap值可以解释特征变量对预测结果的影响程度,文中应用基于Shap的归因分析模型梳理出对风电功率影响较大的6维特征变量.将其与风电功率数据同时导入基于LOF-ARIMA的异常数据识别模型,从而对风电功率预测过程中所使用的历史数据加以清洗.最终根据VMD-PSO-BiLSTM分解模型完成风电功率超短期预测,实践表明可以显著提高风电功率预测精度.
数据清洗、大数据、风电功率预测、Shap值、归因分析
43
TM614(发电、发电厂)
国家重点研发计划2017YFB0902000
2023-10-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
1-9