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