一种基于SO-XGboost算法的风电功率时间序列预测方法

本发明公开了一种基于SO‑XGboost算法的风电功率时间序列预测方法，涉及风电场发电功率预测技术领域。方法包括：对风电功率数据进行预处理，并将样本数据集划分为训练和测试集；初始化XGBoost模型和蛇优化算法，利用蛇优化算法对XGBoost模型中的参数进行寻优，同时利用训练集对XGBoost模型进行训练，得到蛇优化算法优化的SO‑XGBoost预测模型；将测试样本集输入SO‑XGBoost预测模型进行风电功率预测，并度量模型预测效果。本发明通过构建并训练改进的模型，实现了对风力发电功率的精准预估，能够有效处理风电数据中的非线性与波动特性，经过参数优化后的XGBoost预测模型有更好的预测效果和预测精度，具有更高的收敛速度，并提高预测模型的泛化能力。