基于隨機森林算法的風(fēng)電場出力預(yù)測研究.pdf

1、為改善日益惡化的生態(tài)環(huán)境，順應(yīng)國際發(fā)展主流，大力發(fā)展可再生能源已成為眾多國家能源政策的重點。風(fēng)能作為一種儲量豐富、分布廣泛、易于開發(fā)的可再生能源，已完全具備大規(guī)模開發(fā)的條件。然而風(fēng)電帶有很強的間歇性、波動性和隨機性，如果貿(mào)然將其大規(guī)模并入電網(wǎng)會給電力系統(tǒng)帶來嚴重的電能質(zhì)量問題以及威脅電網(wǎng)的穩(wěn)定運行。因此，對風(fēng)電場出力進行精確地預(yù)測，能夠讓電力調(diào)度部門預(yù)先安排調(diào)度方案，保證電網(wǎng)的安全、經(jīng)濟運轉(zhuǎn)。
　　論文以尋找更加精確的短期風(fēng)電場出

2、力預(yù)測方法為出發(fā)點，采用基于隨機森林算法的風(fēng)電場出力預(yù)測模型，比較合理的權(quán)衡了風(fēng)電場出力預(yù)測相關(guān)影響因素對風(fēng)電場出力預(yù)測的影響。并且結(jié)合實際風(fēng)電場出力相關(guān)數(shù)據(jù)，建立隨機森林算法的預(yù)測模型，和決策樹、支持向量機預(yù)測模型相比較，在保持三種預(yù)測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)測結(jié)果。
　　論文首先對獲得的數(shù)據(jù)進行預(yù)處理，針對原始數(shù)據(jù)中存在的缺失、極大極小值、毛刺、畸變和量差級等問題，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行檢測、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，改變模型兩個重要參數(shù)森林中樹的數(shù)量Ntree和分裂節(jié)點特征變量數(shù)Mtry的大小，獲取該數(shù)據(jù)模型下參數(shù)的最優(yōu)解。在引入平均絕對值百分比誤差和均方根誤差兩種模型結(jié)果評價方法基礎(chǔ)上，建立隨機森林、決策樹和支持向量機的風(fēng)電場出力預(yù)測模型，并運用實例進行仿真分析。實驗結(jié)果表明，論文所提