基于XGBoost扩展金融因子的风电功率预测方法技术

一种基于XGBoost扩展金融因子的风电功率预测方法，包括基于时间窗口的特征生成方法，用于获取风力发电功率数据中的潜在关联；基于风力发电功率K线的特征生成方法，用于生成风力发电功率数据中的金融因子；基于梯度提升回归树的XGBoost算法，用于预测超短期风力发电功率数据。该发明专利技术在原有的风力发电功率数据基础上，通过时间窗口生成含有短时间内功率潜在关联的数据，结合时间窗口生成风力发电功率特有的K线，通过风力发电功率K线生成特有的风力发电功率KDJ与MACD。最后将含有气象数据，时间窗口数据，金融因子的数据集传入XGBoost模型中，对未来风力发电功率进行预测，拥有极高的预测准确率与极短的预测时间。预测准确率与极短的预测时间。预测准确率与极短的预测时间。

【技术实现步骤摘要】
基于XGBoost扩展金融因子的风电功率预测方法


[0001]本专利技术属于风电
，同时属于时间序列数据分析与挖掘
，亦属于大数据分析与应用
，特别涉及一种基于XGBoost扩展金融因子的风电功率预测方法。

技术介绍

[0002]风电场通过开展风电功率预测来进行电力市场竞价和风电场运行维护，通过风电功率预测系统的预测结果，电网调度部门进行合理的发电计划安排，减少系统的旋转备用容量，提高电网运行的经济性，同时通过提前预测风电功率的波动，合理的安排运行方式和应对措施，提高电网的安全性和可靠性。但是，由于数据特征单一，现有模型运行时间较长，无法将预测模型部署至风电场实际环境中。

技术实现思路

[0003]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于XGBoost扩展金融因子的风电功率预测方法，通过对现有数据进行时间窗口的构建，金融因子的计算，并通过基于梯度提升回归树的XGBoost算法，实现对超短期风力发电功率快速准确的预测目的。
[0004]为了实现上述目的，本专利技术采用的技术方案是：...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost扩展金融因子的风电功率预测方法，其特征在于，包括如下步骤：步骤1，以风电场的原始数据构成原始时间序列，所述原始数据包括气象部门监测的温度、压强数据以及风电场监测的风速、风向、实时功率；步骤2，选择原始时间序列中当前时间点功率、当前时间点c分钟前功率、当前时间点功率与当前时间点c分钟前功率差值构成时间窗口；步骤3，选择原始时间序列中，当前时间点功率为1小时开始功率，当前时间点60分钟后功率为1小时结束功率，60分钟内最大功率为1小时内最大功率，60分钟内最小功率为1小时内最小功率；将原始时间序列中所有数据根据此步骤绘制风力发电功率K线；步骤4，根据风力发电功率K线，计算风力发电功率特有的金融因子MACD与KDJ；步骤5，将所述原始数据、所述步骤2中生成的时间窗口、所述步骤4计算得到的金融因子MACD与KDJ组合为新时间序列，并输入基于梯度提升回归树的XGBoost算法中，对未来风力发电功率进行预测。2.根据权利要求1所述基于XGBoost扩展金融因子的风电功率预测方法，其特征在于，所述步骤1，原始时间序列格式为时间和监测数据的二维数组。3.根据权利要求1所述基于XGBoost扩展金融因子的风电功率预测方法，其特征在于，所述步骤2，构建时间窗口的方法如下：对于时间序列数据A，设i+1时刻数据值t
i+1
为需要预测的数据值，取i时刻时序数据值t
i
、i
‑
1时刻时序数据值t
i
‑1、i时刻与i
‑
1时刻数据差值构建时间窗口，以得到新的时间序列数据B，转换过程如下所示：
↓
式中，n为时间序列数据A中划分的时刻总数。4.根据权利要求1所述基于XGBoost扩展金融因子的风电功率预测方法，其特征在于，所述步骤3，绘制风力发电功率K线方法如下：第一步，按照每c分钟采样一次数据的频率，将每5个相邻采样点的采样数据整合为一条数据；第二步，将5个相邻采样点中最大值视为金融市场中的最高价；将5个采样点中最小值视为金融市场中的最低价；将第一个采样点的功率输出值视为金融市场中的开盘价；将最后一个采样点的功率输出值视为金融市场中的收盘价；收盘价高于开盘价时，则开盘价在下收盘价在上，二者之间的长方柱用红色绘出，收盘价低于开盘价时，则开盘价在上收盘价
在下，...

【专利技术属性】
技术研发人员：王永生，关世杰，刘利民，邢红梅，刘广文，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：