风电日前发电功率的集成学习预测模型

为降低风电强波动性对预测的干扰，提高整体泛化能力，引入集成学习的分析方法，构建一种动态调整权重分配的风电预测集成学习模型。通过不同的地理和气象特征(地理环境、高度、季节等)分类组成多个样本子集，在训练中根据训练结果不断调节样本概率权重分布，给出对训练样本的差异化处理方法，最后根据权重集成最终结果。通过算例与单一预测模型进行比较，验证了模型在风电突变点的预测误差最小，说明该方法对风电波动突变点具有更好的泛化能力，在风电剧烈波动期能够提供更高的精度。