论文摘要
风力发电场发电功率的超短期预测越精确,越有利于电力系统的稳定运行和优化调度。为提高风电场发电功率超短期预测的准确率,提出了一种基于主成分分析(PCA)和轻量梯度提升树(LightGBM)的风电场发电功率超短期预测方法。该方法首先进行主成分分析,将与风电功率相关程度低的维度剔除,降低数据的冗余性。然后利用LightGBM建模,实现风电场发电功率的超短期预测。实验结果表明,基于LightGBM的风电场发电功率超短期预测效果良好,优于传统机器学习方法在风电场超短期功率预测上的精度。
论文目录
文章来源
类型: 期刊论文
作者: 曹渝昆,朱萌
关键词: 风电功率预测,特征筛选,主成分分析
来源: 上海电力学院学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 上海电力学院计算机科学与技术学院
分类号: TM614
页码: 562-566
总页数: 5
文件大小: 1099K
下载量: 196
相关论文文献
- [1].浅析光伏发电功率预测技术[J]. 农村电工 2020(07)
- [2].光伏发电功率区间概率预测[J]. 铜陵学院学报 2017(02)
- [3].基于神经网络的光伏发电系统发电功率预测[J]. 山东工业技术 2017(16)
- [4].福建迈入清洁能源时代[J]. 能源与环境 2015(06)
- [5].基于GA-BP算法的光伏系统发电功率预测[J]. 计算机系统应用 2016(02)
- [6].基于时频熵和神经网络的光伏发电功率预测模型[J]. 中南大学学报(自然科学版) 2020(01)
- [7].光伏发电功率持续时间特性的概率分布定量分析[J]. 电力系统自动化 2017(06)
- [8].光伏组件发电功率衰减测试标准与方法[J]. 青海电力 2017(02)
- [9].省级光伏发电功率预测与运行监测平台[J]. 供用电 2017(10)
- [10].基于多时段综合相似日的光伏发电功率预测[J]. 电源技术 2017(01)
- [11].基于改进粒子群优化算法风力发电功率预测研究[J]. 可再生能源 2017(09)
- [12].基于极端学习机的光伏发电功率短期预测[J]. 控制工程 2013(02)
- [13].基于极端学习机的光伏发电功率短期预测[J]. 控制工程 2013(03)
- [14].基于神经网络的光伏系统发电功率预测[J]. 中国电力 2010(09)
- [15].光伏发电功率预测方法研究综述[J]. 机电工程 2015(05)
- [16].短期光伏发电功率区间预测[J]. 电子设计工程 2019(13)
- [17].负荷时变性的船舶风光发电功率自适应控制研究[J]. 舰船科学技术 2019(12)
- [18].不可控微电源综合发电功率预测[J]. 湘潭大学自然科学学报 2015(02)
- [19].2017年海上丝绸之路沿途国家海洋风能分布[J]. 江苏海洋大学学报(自然科学版) 2020(02)
- [20].基于长短时记忆网络的光伏发电功率预测[J]. 科研信息化技术与应用 2019(02)
- [21].分布式光伏发电特性与气象影响因子诊断分析[J]. 沈阳农业大学学报 2018(03)
- [22].敦煌太阳辐照与光伏发电功率相关性分析[J]. 中国科技信息 2014(17)
- [23].基于稀疏贝叶斯学习的光伏发电功率预测方法[J]. 数据通信 2017(05)
- [24].基于时间序列建模在风力发电功率短期预测中的研究[J]. 电网与清洁能源 2016(03)
- [25].一种基于森林模型的光伏发电功率预测方法研究[J]. 电力系统保护与控制 2015(02)
- [26].光伏发电功率预测方法研究[J]. 微型电脑应用 2019(11)
- [27].基于长短期记忆神经网络的风力发电功率预测方法[J]. 发电技术 2019(05)
- [28].基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测[J]. 电网技术 2017(02)
- [29].风浪流发电功率计算方法与综合发电评估新概念[J]. 能源与环保 2017(12)
- [30].基于支持向量机的光伏发电功率预测[J]. 上海电力学院学报 2015(06)