-
题名基于可解释性优化堆叠模型的风电功率预测
- 1
-
-
作者
戚焕兴
卓毅鑫
李凌
殷林飞
秦意茗
蒙文川
-
机构
广西电网有限责任公司电力调度控制中心
广西电网有限责任公司北海供电局
广西大学电气工程学院
南方电网能源发展研究院有限责任公司
-
出处
《太阳能学报》
北大核心
2025年第4期559-569,共11页
-
基金
广西电网公司科技项目(046000KK52220007)。
-
文摘
鉴于当前风电功率预测算法在堆叠建模过程所存在试错性与弱解释性问题,提出一类应用于风电功率预测的可解释性优化堆叠模型(interpretable optimal stacking model,IOSM)。首先,建立初始冗余基学习器并进行特征权重解释;其次,构建一个综合衡量模型性能与计算代价的特征优化度量,优化关键特征并训练形成优化后的基学习器;最终,根据特征优化度量对基学习器进行优化选择,搭建得到元学习器。经如上步骤,即完成搭建IOSM。所提算法在广西典型风电场的算例表明,IOSM相对于最优单一模型的RMSE与MAE指标上分别降低13.01%和18.23%;相对于其他各类主流组合预测算法,该文算法在RMSE与MAE指标分别降低8.24%与10.28%的同时,至少降低了142.38%的建模计算代价。所提算法的有效性及先进性得到验证,为风电功率预测的可解释性优化建模上提供了新的思路与方法。
-
关键词
风电功率预测
可解释性
堆叠模型
特征优化
集成学习
-
Keywords
wind power forecasting
interpretability
stacking model
feature optimization
ensemble learning
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于多目标优化和深度学习的短期风功率组合预测
- 2
-
-
作者
胡甲秋
卓毅鑫
唐健
蒙文川
戚焕兴
刘鲁宁
-
机构
广西电网电力调度控制中心
南方电网能源发展研究院
广西电网有限责任公司北海供电局
北京东润环能科技股份有限公司
-
出处
《太阳能学报》
北大核心
2025年第2期615-623,共9页
-
基金
广西电网公司科技项目(046000KK52220007)。
-
文摘
针对风功率时间序列的非线性和波动性等特征,提出一种基于多目标优化和深度学习的风功率组合预测的方法。该方法基于完全自适应噪声集合经验模态分解,得到原始风功率序列的子序列集合,分别使用极限学习机、长短期记忆和时间卷积网络建立子序列预测模型并重构。基于此建立组合预测模型,应用多目标哈里斯鹰优化算法和深度确定性梯度策略求解最优组合权值。使用广西某风电场的实测资料进行实验,结果表明:所提出的组合预测模型在4组数据集中均表现最优,与集合平均相比均方根误差分别降低了12.93%、13.91%、12.38%和9.71%,预测精度得到有效提升。
-
关键词
风功率
预测
神经网络
组合预测
多目标优化
深度学习
-
Keywords
wind power
forecast
neural network
combination forecasting
multi-objective optimization
deep learning
-
分类号
TM614
[电气工程—电力系统及自动化]
-
