基于CNN-LSTM-XGBoost模型的超短期光伏功率预测OA北大核心
Ultra-short-term photovoltaic power prediction based on CNN-LSTM-XGBoost model
超短期光伏功率预测对电网的调度与运行具有重要意义.针对传统单一预测模型难以有效分析历史数据波动规律导致预测精度不高的问题,提出了一种CNN-LSTM-XGBoost的混合预测模型.剔除历史数据中的异常值后对数据进行归一化处理,并采用Pearson相关系数分析光伏发电功率与各气象因素的相关关系,选择相关系数较高的因素作为预测模型的输入特征.使用卷积神经网络(CNN)提取数据的空间特征,再经过长短期记忆(LSTM)网络提取时间特征,并采用误差倒数法将…查看全部>>
汤德清;朱武;侯林超
上海电力大学电子与信息工程学院,上海201300上海电力大学电子与信息工程学院,上海201300上海电力大学电子与信息工程学院,上海201300
信息技术与安全科学
光伏功率预测卷积神经网络长短期记忆网络XGBoost算法模型融合
《电源技术》 2022 (9)
1048-1052,5
评论