基于时域特征与XGBoost的超短期风电功率预测方法.pdfVIP

下载本文档

4
0
约1.16万字
约 9页
2023-04-24 发布于四川
举报
版权申诉

基于时域特征与XGBoost的超短期风电功率预测方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于时域特征与XGBoost的超短期风电功率预测方法，根据风场环境中的风速、风速变化率、风向、气压、温度、湿度等影响因素，通过机器学习的方法对特征进行分类、标记，并进行归一化和向量化表示，使其在风环境空间中具有领域特征信息，之后再利用机器学习算法对表示后的特征进行模型训练，找出对风电功率影响最大的风环境特征集合及其对风电功率的影响系数，之后利用集成学习的方法将各特征融入进模型对风电的超短期功率进行预测，根据k折交叉验证方法找出使得预测结果的均方根误差及平均绝对误差最小的模型，最终

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114021483 A (43)申请公布日 2022.02.08 (21)申请号 202111400222.9 G06K 9/62 (2022.01)