基于GBDT和神经网络的光伏发电组合预测

• 作者: 刘博文 范程岸
• 来源期刊: 无线互联科技
• 关键词: 梯度提升决策树 K-means 神经网络 光伏发电预测 组合模型
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 网络地带
• 页码范围: 17-19
• 页数: 3页
• 字数: 1426字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6944.2020.01.008

摘要

光伏发电具有波动性、间歇性的特点.为了提高光伏发电功率预测的精度,文章将GBDT和神经网络进行组合,建立了一种光伏发电组合预测模型.先对原始数据进行数据清洗,之后训练3个GBDT和2个神经网络算法模型,得到互有差异的5个预测值向量,用K-means对预测值向量进行聚类,从每一类中筛选一个预测值向量输入到第3个神经网络进行训练,从而得到最后的组合预测模型.实验证明,基于GBDT和神经网络的光伏发电组合预测,其精度比神经网络、SVM要高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范程岸	广东工业大学自动化学院	3	1	1.0	1.0
2	刘博文	广东工业大学自动化学院	3	1	1.0	1.0