10.3969/j.issn.1672-6944.2020.01.008
基于GBDT和神经网络的光伏发电组合预测
光伏发电具有波动性、间歇性的特点.为了提高光伏发电功率预测的精度,文章将GBDT和神经网络进行组合,建立了一种光伏发电组合预测模型.先对原始数据进行数据清洗,之后训练3个GBDT和2个神经网络算法模型,得到互有差异的5个预测值向量,用K-means对预测值向量进行聚类,从每一类中筛选一个预测值向量输入到第3个神经网络进行训练,从而得到最后的组合预测模型.实验证明,基于GBDT和神经网络的光伏发电组合预测,其精度比神经网络、SVM要高.
梯度提升决策树、K-means、神经网络、光伏发电预测、组合模型
17
广东省科技计划项目;项目编号:2019B010147001.广州市科技计划项目;项目编号:201902020014
2020-04-01(万方平台首次上网日期,不代表论文的发表时间)
共3页
17-19