【技术实现步骤摘要】
本申请涉及风力发电预测领域，特别是涉及一种基于集成学习的短期风电功率预测方法、装置、设备、介质及产品。
技术介绍
1、可再生能源的发展是对抗未来气候变化和环境恶化的重要手段，全球拥有非常丰富的可再生能源种类，风能作为可再生能源的一种，由于其清洁和丰富的特性使得其越来越受到关注。
2、鉴于风能的波动性及间歇性特点，确保风能并网操作的稳定性面临一系列的问题，因此，实施精确的风电功率预测对于优化电力系统的能量管理、提高供电可靠性以及减少系统备用容量成本极其重要。
技术实现思路
1、本申请的目的是提供一种基于集成学习的短期风电功率预测方法、装置、设备、介质及产品，能够精确预测风电功率。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种基于集成学习的短期风电功率预测方法，包括：
4、获取风电场的风电功率数据以及对应的各个关联特征数据；所述关联特征数据包括风速、气温、气压、湿度、时间和空气密度；
5、对所述关联特征数...
【技术保护点】
1.一种基于集成学习的短期风电功率预测方法，其特征在于，所述基于集成学习的短期风电功率预测方法包括：
2.根据权利要求1所述的基于集成学习的短期风电功率预测方法，其特征在于，对所述关联特征数据进行预处理，确定预处理后的关联特征数据，具体包括：
3.根据权利要求1所述的基于集成学习的短期风电功率预测方法，其特征在于，根据所述预处理后的关联特征数据以及对应的风电功率数据构建Stacking集成学习框架模型，具体包括：
4.根据权利要求1所述的基于集成学习的短期风电功率预测方法，其特征在于，初始化所述Stacking集成学习框架模型的各个...
【技术特征摘要】
1.一种基于集成学习的短期风电功率预测方法，其特征在于，所述基于集成学习的短期风电功率预测方法包括：
2.根据权利要求1所述的基于集成学习的短期风电功率预测方法，其特征在于，对所述关联特征数据进行预处理，确定预处理后的关联特征数据，具体包括：
3.根据权利要求1所述的基于集成学习的短期风电功率预测方法，其特征在于，根据所述预处理后的关联特征数据以及对应的风电功率数据构建stacking集成学习框架模型，具体包括：
4.根据权利要求1所述的基于集成学习的短期风电功率预测方法，其特征在于，初始化所述stacking集成学习框架模型的各个超参数的斑马种群，确定改进后的斑马优化算法的基本参数，具体包括：
5.根据权利要求4所述的基于集成学习的短期风电功率预测方法，其特征在于，基于所述基本参数，利用所述改进后的斑马优化算法训练所述stacking集成学习框架模型，具体包括：
6.根据权利要求5所述的基于集成学习的...
【专利技术属性】
技术研发人员：姜河，李清政，史佳琪，赵琰，王洪江，王亮，姚宗君，王东来，金红洋，
申请(专利权)人：沈阳工程学院，
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。