基于Stacking模型融合的光伏发电功率预测

• 作者: 孙朝云 徐磊 杨荣新
• 来源期刊: 计算机系统应用
• 关键词: 光伏发电 Stacking 模型融合 基学习器 元学习器
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 专论·综述
• 页码范围: 36-45
• 页数: 10页
• 字数: 6460字
• 语种: 中文

摘要

为了提高光伏发电输出功率的预测精度和可靠性,本文提出一种基于Stacking模型融合的光伏发电功率预测方法.选取某光伏电站温度、湿度、辐照度等历史实测数据为研究对象,在将光伏发电功率数据进行特征交叉以及基于模型的递归特征消除法进行预处理和特征选择的基础上,以XGBoost、LightGBM、RandomForest 3种机器学习算法作为Stacking集成学习的第一层基学习器,以LinearRegression作为第二层元学习器,构建了多个机器学习算法嵌入的Stacking模型融合的光伏发电功率预测模型.预测结果表明,该方法的R2、MSE分别达到了0.9874和0.1056,相较于单一的机器学习模型,预测精度显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐磊	长安大学信息工程学院	13	84	5.0	9.0
2	孙朝云	长安大学信息工程学院	78	669	13.0	23.0
3	杨荣新	长安大学信息工程学院	3	0	0.0	0.0