基于XGBoost算法融合多特征短期光伏发电量预测

• 作者: 彭曙蓉 李彬 胡泽斌 郑国栋 黄士峻
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: XGBoost算法 正则化惩罚函数 特征相关性分析 K折交叉验证 光伏发电出力预测
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 能源互联网
• 页码范围: 76-83
• 页数: 8页
• 分类号: TM615
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.24.010

摘要

针对目前光伏发电过程中由于"弃光"现象导致能源利用率低和经济性差等问题,提出一种基于XGBoost算法融合多种特征的短期光伏发电量预测的方法.文中介绍了XGBoost算法的基本原理,引入正则化惩罚函数和误差函数来构建光伏预测模型的目标函数;分析了光伏发电量和各特征之间的皮尔森相关系数,同时对特征的异常数据进行预处理.在训练过程中为了避免对模型超参数的影响,采用K折交叉验证(K Fold Cross Validation)对数据的训练集、验证集和测试集进行划分.训练完模型参数后把测试集数据放到光伏预测模型中,预测得到未来三天的光伏发电量.对比实验选择SVM和LSTM两种预测方法进行,实验结果表明XGBoost算法在预测光伏发电中具有较高的准确性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭曙蓉		23	155	8.0	12.0
2	李彬		11	118	5.0	10.0
3	黄士峻		4	20	1.0	4.0
4	郑国栋		3	20	1.0	3.0
5	胡泽斌		4	1	1.0	1.0