【技术实现步骤摘要】
本专利技术属于新能源出力预测，具体涉及一种基于lgbm-adaboost的新能源出力预测方法。
技术介绍
1、随着我国双碳战略的推行和电力体系市场化改革的推进，越来越多的以光伏和风电为代表的新能源机组并网，各种多能源聚合体也以各种运营方式参与市场竞争。相较于传统能源，新能源的出力不确定以及间歇性，不仅给电网的安全调度带来了挑战，还为市场参与主体带来了直接的运营风险。新能源的出力预测，不仅是市场主体在日前阶段的决策依据，直接影响日内阶段的结算结果，同时还是电网安全调度的核心监测变量。因此新能源机组的出力预测，尤其是短期出力预测，成为电力市场主体运营决策中必须掌握的关键技术之一。
2、对于新能源的出力预测，传统的方式主要给定变量的概率分布，如风电通常采用的weibull分布，然后通过时间序列分析进行预测，关注的特征因素主要为与光伏和风电发电直接相关的物理变量或电气变量。传统的时间序列分析既要求模型建构准确要求的信息充分，还要求时间序列稳健。近年来，随着行业的发展进入成熟期，大部分市场主体的新能源场站不仅规模巨大，而且区域分布跨度...
【技术保护点】
1.一种基于LGBM-Adaboost的新能源出力预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于LGBM-Adaboost的新能源出力预测方法，其特征在于，在生成所述弱预测器之前，还包括基于所述历史条件样本和历史新能源出力数据进行数据集生成，所述数据集生成，具体包括：
3.根据权利要求2所述的基于LGBM-Adaboost的新能源出力预测方法，其特征在于，在所述基于梯度的单边采样GOSS的方法中，采用二分类交叉熵作为该方法的代理损失函数，所述二分类交叉熵的表达式，具体如下：
4.根据权利要求1所述的基于LGBM-...
【技术特征摘要】
1.一种基于lgbm-adaboost的新能源出力预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于lgbm-adaboost的新能源出力预测方法，其特征在于，在生成所述弱预测器之前，还包括基于所述历史条件样本和历史新能源出力数据进行数据集生成，所述数据集生成，具体包括：
3.根据权利要求2所述的基于lgbm-adaboost的新能源出力预测方法，其特征在于，在所述基于梯度的单边采样goss的方法中，采用二分类交叉熵作为该方法的代理损失函数，所述二分类交叉熵的表达式，具体如下：
4.根据权利要求1所述的基于lgbm-adaboost的新能源出力预测方法，其特征在于，所述弱预测器的生成流程，具体包括：
5.根据权利要求4所述的基于lgbm-adaboost的新能源出力预测方法，其特征在于，采用自适应鲁棒函数作为lgbm的损失函数构成形式，所述自适应鲁棒函数的表...
【专利技术属性】
技术研发人员：邓韦斯，卢斯煜，王皓怀，戴仲覆，鲁聪，周保荣，刘显茁，程铭，胡甲秋，李崇浩，邹金，王嘉阳，
申请(专利权)人：中国南方电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。