基于ADASYN-XGBoost算法的光伏出力预测研究

TM175; 随着光伏发电大规模并入电网,由此产生的源端可供电量不确定性问题日益突出,精准预测光伏出力,对电网资源优化配置、提升光伏消纳能力起着关键的支撑作用.通过研究影响光伏出力的关键要素,以历史气象特征数据为输入构建光伏出力预测模型,在实践过程中,对存在的主客观问题,从算法层面进行了模型优化.①针对光伏电站历史运行样本量小、气象特征变化多,导致诸多稀疏特征样本的问题,引入了ADASYN自适应采用算法,进行数据集重平衡;②通过XGBoost算法搭建了基于气象特征的光伏出力模型,并与传统的BP神经网络进行比较.通过某光伏电站的实际历史数据预测结果比较,结合ADASYN过采样和XGBoost算法...

Full description

Saved in:
Bibliographic Details
Published in:中国农村水利水电 no. 6; pp. 266 - 270
Main Authors: 凌煦, 周晓刚, 陈文哲, 符向前, 黄社华
Format: Journal Article
Language:Chinese
Published: 国家电网有限公司华中分部,湖北 武汉 430072%武汉大学动力与机械学院,湖北 武汉 430072%武汉大学水利水电学院,湖北 武汉 430072 15.06.2024
Subjects:
ADASYN
XGBoost算法
XGBoost algorithm
出力预测
output prediction
光伏
photovoltaics
ISSN:1007-2284
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:TM175; 随着光伏发电大规模并入电网,由此产生的源端可供电量不确定性问题日益突出,精准预测光伏出力,对电网资源优化配置、提升光伏消纳能力起着关键的支撑作用.通过研究影响光伏出力的关键要素,以历史气象特征数据为输入构建光伏出力预测模型,在实践过程中,对存在的主客观问题,从算法层面进行了模型优化.①针对光伏电站历史运行样本量小、气象特征变化多,导致诸多稀疏特征样本的问题,引入了ADASYN自适应采用算法,进行数据集重平衡;②通过XGBoost算法搭建了基于气象特征的光伏出力模型,并与传统的BP神经网络进行比较.通过某光伏电站的实际历史数据预测结果比较,结合ADASYN过采样和XGBoost算法,能有效提升模型的准确性;较BP神经网络相比,ADASYN-XGBoost 算法的MAE、RMSE、MAPE和R2分别提高了66.7%、68.9%、58.0%和1.6%,评估指标明显优化.
ISSN:1007-2284
DOI:10.12396/znsd.231785