科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着“双碳”发展目标的提出，以光伏发电为代表的新能源技术发展具有重要的战略意义。然而光伏发电率不稳定，因此，实时精准地预测光伏发电功率，对电网系统的平稳运行与调度具有重要意义。目前，机器学习已广泛应用于光伏功率预测，但需要足够的专业知识优化模型。自动化机器学习技术能够自动搜索各种模型空间选择最优的模型和超参数，无需人工搭建模型以及参数调节。使用自动化机器学习技术对光伏发电功率进行预测，针对缺失数据，提出了一种基于随机森林改进的光伏时间序列数据缺失值填充方法。在多变量光伏数据集上的实验结果表明，XGBoost为最优模型，其RMSE为1.62,相比于传统训练的XGBoost和LSTM模型，RMSE分别降低了2.81和2.56。提出的方法可以在具有缺失、波动性较大的数据集上能够取得较好预测的效果。
- 出版日期2023
- 单位南京农业大学
