基于XGBoost-LSTM组合模型的光伏发电功率预测

被引：122

作者：

谭海旺 ^{[1
]}

杨启亮 ^{[1
]}

邢建春 ^{[1
]}

黄克峰 ^{[1
]}

赵硕 ^{[2
]}

胡浩宇 ^{[1
]}

机构：

[1] 陆军工程大学国防工程学院

[2] 中国人民解放军部队

来源：

太阳能学报 | 2022年 / 43卷 / 08期

关键词：

光伏发电; 功率预测; XGBoost; 长短期记忆网络;

D O I：

10.19912/j.0254-0096.tynxb.2021-0005

中图分类号：

TM615 [太阳能发电]; TP18 [人工智能理论];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

该文提出一种基于极端梯度提升（XGBoost）模型和长短期记忆网络（LSTM）模型的短期光伏发电功率预测组合模型。根据短期光伏发电特性，首先分别建立XGBoost模型和LSTM模型，然后利用XGBoost模型进行初步预测增加特征，并利用误差倒数法将两模型组合起来进行预测。选取2018年光伏电站人工智能运维大数据处理分析大赛的数据集进行实验评估，最终结果表明，该文所构建的XGBoost-LSTM组合模型的均方根误差（RMSE）为0.214，将上述方法与随机森林、GBDT模型和单一的XGBoost模型和LSTM模型相比较，该文提出的方法具有更高的预测精度。

引用

页码：75 / 81

页数：7

共 22 条

[1]

Support vector machine based prediction of photovoltaic module and power station parameters [J].

Ahmad, Ashfaq ;

Jin, Yi ;

Zhu, Changan ;

Javed, Iqra ;

Akram, M. Waqar ;

Buttar, Noman Ali .

INTERNATIONAL JOURNAL OF GREEN ENERGY, 2020, 17 (03) :219-232

[2]

Predicting heat transfer of oscillating heat pipes for machining processes based on extreme gradient boosting algorithm.[J].Ning Qian;Xuesong Wang;Yucan Fu;Zhengcai Zhao;Jiuhua Xu;Jiajia Chen.Applied Thermal Engineering.2020,

[3]

A Prediction Model-Guided Jaya Algorithm for the PV System Maximum Power Point Tracking [J].