基于时域特征与XGBoost的超短期风电功率预测方法

摘要

本发明公开了一种基于时域特征与XGBoost的超短期风电功率预测方法，根据风场环境中的风速、风速变化率、风向、气压、温度、湿度等影响因素，通过机器学习的方法对特征进行分类、标记，并进行归一化和向量化表示，使其在风环境空间中具有领域特征信息，之后再利用机器学习算法对表示后的特征进行模型训练，找出对风电功率影响最大的风环境特征集合及其对风电功率的影响系数，之后利用集成学习的方法将各特征融入进模型对风电的超短期功率进行预测，根据k折交叉验证方法找出使得预测结果的均方根误差及平均绝对误差最小的模型，最终形成预测模型。将影响风电功率的因素从五个维度，四个方向进行分解，对影响因素的特征实现了精细化和充分的拓展和挖掘。