论文部分内容阅读
将XGBoost,Light GBM与NGBoost三种集成学习模型进行动态权值融合以保留特征相关性,并引入修正系数来减小误差累积对预测准确性的影响。最终模型对澳大利亚中部康奈伦机场位置的光伏阵列的发电功率按月进行了预测,并引入多层感知器、支持向量回归与长短期记忆网络进行对比实验。预测结果表明:基于集成学习模型融合的光伏(PV)发电动态修正预测要显著优于其他预测模型,在平均绝对误差方面提升幅度为10%~19%,较之仅使用权值融合的集成学习模型提升幅度为14%。