
基本信息:
- 专利标题: 一种基于CEEMDAN-IHBA-XGBoost模型的风力发电功率预测方法
- 申请号:CN202311418892.2 申请日:2023-10-30
- 公开(公告)号:CN117709502A 公开(公告)日:2024-03-15
- 发明人: 杨东东 , 贺丽琛 , 吕绪康 , 高官龙 , 薛庆宽 , 毛仲彬 , 陈璐 , 杨静 , 张闪青 , 李靖 , 吴佳哲
- 申请人: 国网河南省电力公司濮阳供电公司
- 申请人地址: 河南省濮阳市历山路与绿城路西南角
- 专利权人: 国网河南省电力公司濮阳供电公司
- 当前专利权人: 国网河南省电力公司濮阳供电公司
- 当前专利权人地址: 河南省濮阳市历山路与绿城路西南角
- 代理机构: 郑州图钉专利代理事务所
- 代理人: 石路
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; G06Q50/06 ; G06N20/00 ; G06N3/0985 ; G06F18/22 ; G06F17/10 ; G06F17/18 ; G06N3/006
摘要:
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。