基于加权特征增强集成方法的光伏功率预测

近年来，太阳能发电成为最有前景的可再生能源之一。然而，天气持续变化，导致发电的不连续性。光伏功率预测通过向电网快速调度，是应对发电突然断裂的合适解决方案。这些方法为匹配电网电力与光伏电站提供了关键洞见。自助聚合集成方法（Bagging）属于最实用的机器学习模型之一，适用于监督学习回归任务。据此，本文提出一种基于bagging的先进方法，该方法在光伏功率预测中表现优异。借助特征重要性信息，后者具备以良好精度跟踪随机问题行为的强大能力。该方法利用特征加权向量优化偏差/方差。因此，本文致力于呈现多种面向光伏预测参数的特征重要性技术。该技术通过将特征分析所得的专业知识贡献给集成模型，从而改进上述集成模型。所提模型在光伏功率预测上进行了测试。基准对比技术显示RMSE精度提升达5%。