研究人员开发了一种方法,通过将主要树模型与互补的时间预测器的预测相结合,来减少多时段光伏预测中的误差。该方法使用 LightGBM 作为强大的独立模型,并结合七个神经网络实现的加权组合来解决残差误差。研究发现,与在公共 PVDAQ 系统超过 56,000 个窗口的数据集上使用的独立树模型相比,共享平均绝对误差 (MAE) 策略将比例 MAE 降低了 3.21%。 AI
影响 这项研究提供了一种提高可再生能源预测准确性的方法,可能有助于电网稳定和能源管理。
排序理由 该集群描述了一篇详细介绍光伏预测新方法的论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →