科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统算法处理复杂风电数据时对数据挖掘不充分的问题，本文提出了一种基于高斯混合模型（GMM）、岭回归算法和轻梯度提升机（LightGBM）相结合的超短期风力发电功率预测算法。该算法通过GMM进行聚类，再由岭回归算法初步预测聚类后的每簇特征。考虑到单一预测算法面对波动性较强的风电数据时存在局限性，应将经岭回归算法后的预测值与特征重要性筛选后的数据共同构成最终数据集传入LightGBM算法获得最终的预测结果。与应用广泛的CNN、SVM、LightGBM等预测算法相比，该方法具有更高的稳定性和预测精度，有助于提高电力系统的运行效率，促进可再生能源的可持续利用。将其应用于电力交易辅助决策系统，可有效预测超短期风力发电功率，并为电力市场的决策制定提供可靠依据。
- 单位
