一种基于XGBoost-LightGBM的机组功率预测方法

    公开(公告)号:CN111414717A

    公开(公告)日:2020-07-14

    申请号:CN202010135920.X

    申请日:2020-03-02

    Abstract: 本发明公开了基于XGBoost-LightGBM的机组功率预测方法,包括以下步骤:离线建模;收集训练样本集;对于训练集数据采用XGBoost做特征提取;划分训练集和测试集;学习出LightGBM模型;在线预测。上述技术方案采用极端梯度增强算法用于对特征的选择,筛选出对输出功率的预测更为有效和敏感的特征,将筛选出的有效特征变量代入到Light Gradient Boosting Machine模型,建立功率预测模型,该技术方案充分考虑了采集到的变量对机组功率预测的有效性,对于风力发电机组功率预测具有更高的准确性。

    一种基于宽度学习的风电机组有效风速估计方法

    公开(公告)号:CN111079343A

    公开(公告)日:2020-04-28

    申请号:CN201911224393.3

    申请日:2019-12-04

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于宽度学习的有效风速估计方法,针对不同运行方式,根据互信息指标选择不同的机组输出数据作为风速估计模型的输入,并进行去相关处理以提高风速估计的准确率,对得到的机组输出数据进行归一化、加噪处理,构造宽度学习模型训练集,并使用该训练集确定宽度学习模型的结构和参数,训练得到的针对不同机组工作区域的有效风速估计模型根据机组的实时输出,在线给出有效风速估计值。本方法能够代替昂贵的激光雷达测风装置,极大地降低风电场的建设和运维成本,该方法不依赖于风电系统模型,得到的风速估计模型适应于不同的机组运行方式,鲁棒性好,实施成本低,具有较好的实用性和较高的准确率。

Patent Agency Ranking