-
题名基于可解释机器学习的光伏出力区间预测一体化方案
- 1
-
-
作者
童宇轩
李灿
彭佳鹰
吴卢飞
-
机构
国网浙江省电力有限公司慈溪市供电公司
浙江省送变电工程有限公司
-
出处
《湖南电力》
2026年第1期134-141,共8页
-
基金
国网浙江省电力有限公司科技项目(5211NB240008)
浙江省科技计划项目(2025C01204(SD2))。
-
文摘
针对当前光伏功率预测精度低和模型缺乏可解释性等问题,提出一种基于改进雪雁算法(improved snow geese algorithm,ISGA)-极限梯度提升树(eXtreme gradient boosting, XGBoost)和可解释性分析(SHapley additive exPlanations,SHAP)的光伏功率区间预测模型。首先,将光伏功率滑动时间窗口的统计量引入输入特征,捕捉时间序列的动态变化趋势和模式,建立基于XGBoost的预测模型,通过正则化策略与并行计算优化,处理高维特征并抑制过拟合。其次,采用ISGA融合头雁轮换机制、叫声引导机制和离群边界策略,提高XGBoost模型的超参数寻优能力。然后,考虑光伏功率的不确定性,采用自助法量化不同置信水平下的预测区间。最后,引入SHAP可解释模型,量化各特征变量的贡献,提高预测结果的可解释性。算例结果表明,所提模型与其他模型相比,预测精度更高,且有着更好的泛化能力和可解释性。
-
关键词
光伏功率区间预测
XGBoost
改进雪雁算法
自助法
SHAP可解释分析
-
Keywords
photovoltaic power interval prediction
XGBoost(eXtreme gradient boosting)
improved snow geese algorithm(isga)
bootstrap method
SHAP(Shapley Additive Explanations)
-
分类号
TM715.1
[电气工程—电力系统及自动化]
-
