基于改进Stacking与误差修正的短期太阳辐照度预测

来源：南京信息工程大学学报·自然科学版杂志2023年第6期北京时间：

作者：王珊珊，吴霓，何嘉文，朱威

单位：王珊珊,湖北工业大学 电气与电子工程学院/太阳能高效利用湖北省协同创新中心, 武汉, 430068,吴霓,湖北工业大学 电气与电子工程学院/太阳能高效利用湖北省协同创新中心, 武汉, 430068,何嘉文,湖北工业大学 电气与电子工程学院/太阳能高效利用湖北省协同创新中心, 武汉, 430068,朱威,湖北工业大学 电气与电子工程学院/太阳能高效利用湖北省协同创新中心, 武汉, 430068

摘要：为提高光伏电站辐照度预测的准确性和可靠性，提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型.首先使用梯度提升决策树（Gradient Boosting Decision Tree，GBDT）对原始数据集进行特征筛选，清除冗余特征，提高预测精度和运算效率；然后建立改进Stacking辐照度预测模型，根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性，对预测结果进行赋权，并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理，以提高预测的正态性和同方差性；最后提取历史预测误差数据，采用随机森林（Random Forest，RF）构造误差模型，进一步提高预测精度.实验结果表明，该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升.

关键词：太阳辐照度;光伏发电;Stacking算法;回归预测算法;交叉验证

基金资助：国家重点研发计划（2018YFC0116100）；湖北省重点研发计划（2020BAB114）；湖北省教育厅科学研究计划重点项目（D20211402）