基于聚类的集成学习用于气象风速数据风力发电建模
机器学习
2022-04-05 v1
摘要
风力发电的最优实施与监测依赖于可靠的功率建模，而其对理解涡轮控制、风场运行优化与电网负荷平衡至关重要。基于相似风况导致相似风功率的思想，本文构建了一种建模方案，有序集成三类集成学习算法（bagging、boosting 与 stacking）及聚类方法，以实现最优功率建模。还研究了不同聚类算法的应用及风力发电建模中确定聚类数的方法。结果显示，所有带聚类的集成模型均利用了风数据的内在信息，因而平均优于无聚类模型约 15%。采用最优最远优先聚类的模型计算迅速且表现极佳，提升约 30%。引入融合不同聚类集成的 stacking 进一步带来约 5% 的提升。所提建模框架因此通过提供高效且鲁棒的建模性能展现出前景。
引用
@article{arxiv.2204.00646,
title = {Cluster-based ensemble learning for wind power modeling with meteorological wind data},
author = {Hao Chen},
journal= {arXiv preprint arXiv:2204.00646},
year = {2022}
}
备注
UNDER REVIEW Renewable & Sustainable Energy Reviews