基于特征选择和改进深度森林的短期风电功率预测

摘要

针对风电数据特征维数高、数据冗余性大和有效特征挖掘不充分,最终导致预测精度偏低的问题,提出了一种基于特征选择和改进深度森林的短期风电功率预测方法.首先使用Kendall Rank相关系数、灰色关联度和随机森林特征重要性三种方法进行特征选择,选择有效特征,综合确定最佳输入特征集.然后,在深度森林的基础上,引入优良预测性能的极端随机树构建级联层,提出改进深度森林模型以提高模型泛化能力和预测性能.最后,建立改进深度森林模型进行风电功率短期预测.以新疆某风电场实测数据进行了算例仿真,验证了该方法的有效性.结果表明其与对比方法相比,具有更好的准确性和拟合效果.