一种串-并行集成学习的连续多日风电功率预测方法

一种串‑并行集成学习的连续多日风电功率预测方法，包括：基于XGBoost模型的特征贡献度评分机制与人工经验相结合，对输入特征进行筛选；通过PSO算法优化，交叉验证训练集与验证集，获得XGBoost模型的最优超参数集；输入初始训练样本，基于Bagging策略随机采样对初始训练样本有放回的抽样，获得各子样本集；以树的集成模型为基学习器，针对抽样得到的子样本集分别训练对应XGBoost模型；对于各XGBoost模型的连续多日风电功率预测结果，采用均值投票策略将各个子模型预测结果组合。该方法可实现连续多日风电功率准确预测，其对于提高电力系统的运行效率、稳定性和可靠性，降低电力成本，促进可再生能源发展，减少碳排放具有重要意义。