基于隨機(jī)森林算法的風(fēng)電場(chǎng)出力預(yù)測(cè)研究.pdf

1、為改善日益惡化的生態(tài)環(huán)境，順應(yīng)國(guó)際發(fā)展主流，大力發(fā)展可再生能源已成為眾多國(guó)家能源政策的重點(diǎn)。風(fēng)能作為一種儲(chǔ)量豐富、分布廣泛、易于開(kāi)發(fā)的可再生能源，已完全具備大規(guī)模開(kāi)發(fā)的條件。然而風(fēng)電帶有很強(qiáng)的間歇性、波動(dòng)性和隨機(jī)性，如果貿(mào)然將其大規(guī)模并入電網(wǎng)會(huì)給電力系統(tǒng)帶來(lái)嚴(yán)重的電能質(zhì)量問(wèn)題以及威脅電網(wǎng)的穩(wěn)定運(yùn)行。因此，對(duì)風(fēng)電場(chǎng)出力進(jìn)行精確地預(yù)測(cè)，能夠讓電力調(diào)度部門(mén)預(yù)先安排調(diào)度方案，保證電網(wǎng)的安全、經(jīng)濟(jì)運(yùn)轉(zhuǎn)。
　　論文以尋找更加精確的短期風(fēng)電場(chǎng)出

2、力預(yù)測(cè)方法為出發(fā)點(diǎn)，采用基于隨機(jī)森林算法的風(fēng)電場(chǎng)出力預(yù)測(cè)模型，比較合理的權(quán)衡了風(fēng)電場(chǎng)出力預(yù)測(cè)相關(guān)影響因素對(duì)風(fēng)電場(chǎng)出力預(yù)測(cè)的影響。并且結(jié)合實(shí)際風(fēng)電場(chǎng)出力相關(guān)數(shù)據(jù)，建立隨機(jī)森林算法的預(yù)測(cè)模型，和決策樹(shù)、支持向量機(jī)預(yù)測(cè)模型相比較，在保持三種預(yù)測(cè)模型前提條件相似的基礎(chǔ)上，論文模型得到了較好的預(yù)測(cè)結(jié)果。
　　論文首先對(duì)獲得的數(shù)據(jù)進(jìn)行預(yù)處理，針對(duì)原始數(shù)據(jù)中存在的缺失、極大極小值、毛刺、畸變和量差級(jí)等問(wèn)題，分別采用水平或垂直相鄰、逐差、最小二乘

3、、相似日和歸一化等方法進(jìn)行檢測(cè)、修正。然后利用OOB(out-of-bag)估算出各特征變量的重要性大小，剔除影響小的屬性因素，選出輸入變量的最佳特征數(shù)組合。同時(shí)，改變模型兩個(gè)重要參數(shù)森林中樹(shù)的數(shù)量Ntree和分裂節(jié)點(diǎn)特征變量數(shù)Mtry的大小，獲取該數(shù)據(jù)模型下參數(shù)的最優(yōu)解。在引入平均絕對(duì)值百分比誤差和均方根誤差兩種模型結(jié)果評(píng)價(jià)方法基礎(chǔ)上，建立隨機(jī)森林、決策樹(shù)和支持向量機(jī)的風(fēng)電場(chǎng)出力預(yù)測(cè)模型，并運(yùn)用實(shí)例進(jìn)行仿真分析。實(shí)驗(yàn)結(jié)果表明，論文所提