摘要:为降低风电强波动性对预测的干扰,提高整体泛化能力,引入集成学习的分析方法,构建一种动态调整权重分配的风电预测集成学习模型。通过不同的地理和气象特征(地理环境、高度、季节等)分类组成多个样本子集,在训练中根据训练结果不断调节样本概率权重分布,给出对训练样本的差异化处理方法,最后根据权重集成最终结果。通过算例与单一预测模型进行比较,验证了模型在风电突变点的预测误差最小,说明该方法对风电波动突变点具有更好的泛化能力,在风电剧烈波动期能够提供更高的精度。
关键词:风力发电 集成学习 动态权重分配 支持向量机 人工神经网络
单位:中国电力科学研究院 北京市海淀区100192
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社