基于数据挖掘的风电功率预测特征选择方法

• 作者: 李俊卿 李秋佳 石天宇 郭晋才
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 特征选择 邻域粗糙集 随机森林 互信息 风电功率预测
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 信息与能源
• 页码范围: 87-92
• 页数: 6页
• 分类号: TM614
• 字数: 5142字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.010.014

摘要

输入特征向量的选择是建立风电功率预测模型中至关重要的第一步,但由于风电机组的待选监测量项目过多、部分监测量与风电功率的相关性不明显甚至不相关、信息冗余量大等因素造成输入向量集的选取不够合理,进一步影响功率预测模型的准确性.针对这一问题,在综合对比研究了邻域粗糙集、随机森林和互信息这三种较为有效的用于特征选择的数据挖掘算法的基础上,提出了一种综合性能较好的基于随机森林筛选风电功率预测模型输入向量的方法,并分析了另两种方法的特点和适用范围,最后使用风机的实际运行数据,基于最小二乘支持向量回归算法对文中所提出的方法进行了验证.仿真结果表明,该方法能够通过减少功率预测模型的输入向量有效地降低模型复杂度,不仅加快了模型的预测速度而且提高了预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊卿	华北电力大学电气与电子工程学院	82	958	15.0	28.0
2	李秋佳	华北电力大学电气与电子工程学院	4	5	1.0	2.0
3	石天宇	华北电力大学电气与电子工程学院	4	5	1.0	2.0
4	郭晋才	华北电力大学电气与电子工程学院	4	5	1.0	2.0