基于多特征分析提取的随机森林超短期光伏功率预测

张程珂; 刘会灯; 朱渝宁; 贾 凡; 郭恒青; 张金良

doi:10.3969/j.issn.1009-1831.2023.06.008

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于多特征分析提取的随机森林超短期光伏功率预测

能效与负荷管理 | 更新时间：2026-03-05

- 基于多特征分析提取的随机森林超短期光伏功率预测
- Ultra-short-term photovoltaic power prediction for random forests based on multiple feature analysis and extraction
- 电力需求侧管理 2023年25卷第6期
- 作者机构：
  
  1. 国网重庆市电力公司,重庆,400014
  2. 国网重庆市区供电公司,重庆,400015
  3. 华北电力大学,北京,102206
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目（71774054）
- DOI：10.3969/j.issn.1009-1831.2023.06.008
  中图分类号：
- 纸质出版：2023
- 稿件说明：
移动端阅览
张程珂, 刘会灯, 朱渝宁, 等. 基于多特征分析提取的随机森林超短期光伏功率预测[J]. 电力需求侧管理, 2023,25(6).

张程珂, 刘会灯, 朱渝宁, et al. Ultra-short-term photovoltaic power prediction for random forests based on multiple feature analysis and extraction[J]. 2023, 25(6).
张程珂, 刘会灯, 朱渝宁, 等. 基于多特征分析提取的随机森林超短期光伏功率预测[J]. 电力需求侧管理, 2023,25(6). DOI： 10.3969/j.issn.1009-1831.2023.06.008.

张程珂, 刘会灯, 朱渝宁, et al. Ultra-short-term photovoltaic power prediction for random forests based on multiple feature analysis and extraction[J]. 2023, 25(6). DOI： 10.3969/j.issn.1009-1831.2023.06.008.

摘要

随着新能源的大规模利用

光伏渗透率稳步增长

准确的光伏功率预测能为电网企业带来较多效益。基于此提出了一种多特征分析提取的随机森林预测模型

用于超短期光伏功率预测。首先

对收集到的光伏数据进行预处理

清理缺失值和重复值；再次

对影响因素进行相关性分析

选取相关性强的因子；然后

对筛选后的因子进行输入特征量选择

将处理后的特征向量作为预测模型的输入；最后

建立随机森林预测模型

并与BP、RBF、MLP模型对比。实证结果表明

所提模型具有较好的拟合度和更高的预测精度

对光伏预测工作有一定的指导意义。

Abstract

PV penetration is steadily increasing with the large-scale utilization of new energy sources. Accurate PV power prediction can bring more benefits to grid enterprises. Based on this

a random forest prediction model with multi-feature analysis extraction is proposed for ultra-short- term PV power prediction.Firstly

the collected PV data is pre-processed to clean up the missing and duplicate values. Then

correlation analysis is performed on the influencing factors and factors with strong correlation are selected. Next

feature engineering is performed on the screened factors and the processed feature vector is used as input of the prediction model. Finally

the random forest prediction model is built and compared with BP

RBF and MLP models. Empirical results show that the model proposed has better fit and higher prediction accuracy

which is of certain guidance for PV prediction work.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

多策略改进蜣螂优化算法及其在光伏发电功率预测中的应用

基于用户特征聚类的综合能源套餐推荐方法

基于最优特征和改进随机森林的非侵入式负荷辨识方法

基于广域测量的光伏发电参数在线辨识方法研究

基于分段电流特征和随机森林算法的低压配电网拓扑识别方法