基于梯度提升决策树的风电功率预测

基于梯度提升决策树的风电功率预测

论文摘要

针对风电功率预测问题进行研究,为了提高风电功率预测的精度,首先利用拉依达法则对原始数据进行预处理,以此来保证数据的完整性和准确性,其次利用梯度提升决第树算法构建时间预测模型,并对该模型进行计算和验证。根据本研究的日前预测问题,将其同常规BP神经网络算法相比较,结果显示所提出的基于GBDT的风电功率预测模型较BP神经网络在该问题上具有更优的预测性能。

论文目录

  • 0 引言
  • 1 梯度提升决策树预测模型
  •   1)初始化
  •   2)对m=1,2,…,M
  •   3)得到回归树
  • 2 实验结果与分析
  •   2.1 模型的建立及数据预处理
  •   2.2 数据预处理
  •   2.3 算例结果分析
  • 3 结束语
  • 文章来源

    类型: 期刊论文

    作者: 李仕成,田丽,彭求志,李宁

    关键词: 风电功率预测,梯度提升决策树,神经网络

    来源: 南阳理工学院学报 2019年06期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 安徽工程大学高端装备先进感知与智能控制教育部重点实验室

    基金: 安徽高校自然科学研究重点项目(KJ2018A0121),安徽省高校优秀青年人才支持计划项目(gxyq2017013)

    分类号: TM614;TP18

    DOI: 10.16827/j.cnki.41-1404/z.2019.06.011

    页码: 58-61

    总页数: 4

    文件大小: 828K

    下载量: 39

    相关论文文献

    标签:;  ;  ;  

    基于梯度提升决策树的风电功率预测
    下载Doc文档

    猜你喜欢