10.3969/j.issn.1000-3886.2022.05.004
基于RF-XGBoost的光伏发电功率预测
随着光伏日益广泛地接入电网,电网对光伏功率的预测精度提出了更高要求.提升光伏发电功率预测水平对于提高光伏发电消纳率、提升电网规划调度水平有着重要意义.然而,现有基于反向传播和传统决策树的预测模型预测精度较低,且数据缺失情况下的鲁棒性较差.因此,提出一种基于RF-XGBoost组合方法的光伏功率预测模型.首先通过RF算法降低特征值维度,此后将筛选后的特征值输入XGBoost预测模型中,通过多决策树加权求和,实现功率预测高精度输出,且提高了预测模型在数据缺失状态下的鲁棒性.最后使用历史数据进行仿真验证,算例分析结果表明,RF-XGBoost预测模型的精度优势能较好地满足光伏功率预测的精度需求.
光伏发电、输出预测、随机森林、特征值分析、XGBoost算法
44
TM615(发电、发电厂)
江苏省重点研发计划产业前瞻与关键核心技术项目BE2020081-4
2022-11-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
12-15