| 基于XGBoost扩展金融因子的风电功率预测方法 |
| |
| 引用本文： | 王永生,关世杰,刘利民,高静,许志伟,刘广文.基于XGBoost扩展金融因子的风电功率预测方法[J].浙江大学学报(自然科学版 ),2023(5):1038-1049. |
| |
| 作者姓名： | 王永生 关世杰 刘利民 高静 许志伟 刘广文 |
| |
| 作者单位： | 1. 内蒙古工业大学数据科学与应用学院;3. 内蒙古农业大学计算机与信息学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(61962045)；;内蒙古自治区自然科学基金资助项目(2021LHMS06001,2019MS03014)；;内蒙古自治区高等学校科学研究项目(NJZY21321)；;内蒙古自治区关键技术攻关计划资助项目(2020GG0094)； |
| |
| 摘 要： | 现有风电功率预测模型的主要输入特征包括气象数据和功率数据,高精度气象数据获取困难、数据间潜在关系难以表示、预测模型收敛缓慢,提出基于极端梯度提升回归树算法(XGBoost)扩展金融因子的超短期风电功率预测新方法，以及基于风电时序数据衍生金融因子的预测模型.采用具有较高预测准确率与较快训练速度的XGBoost算法进行预测,使得预测模型快速收敛.在中国内蒙古某风电场的风电功率数据集与德国Tennet公司风电功率数据集上进行实验验证.实验结果表明,以R2score为例，所提方法与基准方法相比提升约14.71%.所提方法中的建模与预测合计时间不超过500 ms.
|
| 关 键 词： | 风力发电 超短期风电功率预测 梯度提升回归树 XGBoost 金融因子 |
|
|
