不同机器学习算法在风力发电预测上的性能比较
机器学习
2025-07-08 v1 人工智能
摘要
在过去十年中，风能受到了世界范围内的更多关注。然而，由于其间接性与波动性的特性，风电渗透增加了电力系统调度与规划的难度与复杂性。因此，需要进行高精度的风电预测以平衡电力。为此，本研究详细比较了线性回归、k-近邻回归与决策树回归算法的预测性能。k-近邻回归算法给出较低的决定系数值，而决策树回归算法产生较低的的平均绝对误差值。此外，评估了风速、风向、气压与气温这些气象参数对风电参数的重要性。最大的重要性因子由风速参数取得。总之，对风电预测作出了许多有益的评估。
引用
@article{arxiv.2105.05197,
title = {Performance Comparison of Different Machine Learning Algorithms on the Prediction of Wind Turbine Power Generation},
author = {Onder Eyecioglu and Batuhan Hangun and Korhan Kayisli and Mehmet Yesilbudak},
journal= {arXiv preprint arXiv:2105.05197},
year = {2025}
}
备注
2019 8th International Conference on Renewable Energy Research and Applications (ICRERA)