一种基于CEEMDAN-IHBA-XGBoost模型的风力发电功率预测方法

    公开(公告)号:CN117709502A

    公开(公告)日:2024-03-15

    申请号:CN202311418892.2

    申请日:2023-10-30

    Abstract: 本发明涉及一种基于CEEMDAN‑IHBA‑XGBoost模型的风力发电功率预测方法,包括如下内容:首先,获取某风电场历史发电数据和数值天气预报(NWP)数据,将其构成原始风力发电功率预测数据集,并对获取的数据进行预处理;然后,采用最大信息系数(MIC)对特征进行相关性分析,并筛选与风电功率相关性较大的特征作为模型训练的输入特征;然后利用完全噪声辅助聚合经验模态分解(CEEMDAN)将功率序列分解为多个本征模态函数序列(IMF);最后,使用极限梯度提升树(XGBoost)预测模型对各IMF序列分别预测后进行模态重构得到最终的预测结果,预测过程中采用改进蜜獾算法(improved honey badger algorithm,IHBA)对XGBoost的超参数寻优,使其具有较高的预测精度。经过算例仿真,验证了所提预测方法和改进算法的合理性和有效性,该方法适用于少特征场景下的功率预测,且利用智能算法对XGBoost模型的超参数进行优化,可有效提升风力发电功率预测的准确度。

Patent Agency Ranking