[發(fā)明專利]一種基于XGBoost-LightGBM的機組功率預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202010135920.X
• 申請日: 2020-03-02
• 公開（公告）號: CN111414717A
• 公開（公告）日: 2020-07-14
• 發(fā)明（設(shè)計）人: 陳棋;楊秦敏;陳積明;王琳;孫優(yōu)賢;孫勇
• 申請（專利權(quán)）人: 浙江大學(xué);浙江運達風(fēng)電股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06Q10/04;G06Q50/06
• 代理公司: 杭州杭誠專利事務(wù)所有限公司 33109
• 代理人: 尉偉敏

1.一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，包括以下步驟：

①離線建模；

②收集訓(xùn)練樣本集；

③對于訓(xùn)練集數(shù)據(jù)采用XGBoost做特征提取；

④劃分訓(xùn)練集和測試集；

⑤學(xué)習(xí)出LightGBM模型；

⑥在線預(yù)測。

2.根據(jù)權(quán)利要求1所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟1離線建模過程如下：

假設(shè)風(fēng)電機組運行過程中采集的監(jiān)測數(shù)據(jù)構(gòu)成原始數(shù)據(jù)集

X＝[x₁，x₂，…，x_n]^T∈R^n×m

其中m表示監(jiān)控變量的個數(shù)，n表示樣本個數(shù)，x_i∈R^n×m，i＝1，…，n表示第i個樣本，Y＝[y₁,y₂,L,y_n]^T∈R^n×1，y_i∈R,i＝1,L,n表示第i個樣本的功率值。

3.根據(jù)權(quán)利要求1或2所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟2收集的訓(xùn)練樣本集，即風(fēng)電機組運行SCADA數(shù)據(jù)，包括風(fēng)機狀態(tài)、功率、風(fēng)速、風(fēng)向、溫度、機艙位置、對風(fēng)誤差、轉(zhuǎn)速、轉(zhuǎn)矩、槳距角、電網(wǎng)參數(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟3特征提取通過XGBoost降低預(yù)處理后的原始數(shù)據(jù)集的維度，在保留數(shù)據(jù)集主要信息的同時，減少模型的計算量。

5.根據(jù)權(quán)利要求1或4所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟3對于給定的數(shù)據(jù)集，在樹模型構(gòu)建的過程中，每一層貪心地選取一個特征分割點作為葉子節(jié)點，使得在分割之后整棵樹增益值最大，分割過程中，每個葉子節(jié)點的權(quán)值可以表示為w(g_i,h_i)，其中

訓(xùn)練誤差表示目標(biāo)值和預(yù)測值之間的差距，根據(jù)所有葉子節(jié)點的權(quán)值，考慮每個特征作為分割點的增益gain，有：

XGBoost在每一次迭代的時候都會增加一棵樹，則構(gòu)建K棵樹的線性組合為

其中，F(xiàn)表征包含所有樹的函數(shù)空間，f_k(x_i)表示的是第i個樣本在第k棵樹中被分類到所在葉子的權(quán)重。

6.根據(jù)權(quán)利要求1或5所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟3中XGBoost根據(jù)特征分裂的次數(shù)FScore、特征平均增益值A(chǔ)verage Gain或特征平均覆蓋率Average Cover來作為其構(gòu)建決策樹的依據(jù)，以便準(zhǔn)確的完成分類任務(wù)，對于上述3種重要性度量指標(biāo)，有

FScore＝|X| (5)

其中，X是所求特征分類到葉子節(jié)點的集合；gain是X中每個葉子節(jié)點由式(3)得到的在分割時節(jié)點增益值；cover是X中落在每個節(jié)點的樣本個數(shù)。

7.根據(jù)權(quán)利要求6所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟5中的Light GBM包括GOSS和EFB，所述GOSS技術(shù)的具體操作為：對數(shù)據(jù)集進行排序，按照梯度絕對值排序。排序以后挑選前a*100％的數(shù)據(jù)集。對剩余的數(shù)據(jù)進行隨機抽樣，比例為b*100％，之后具體計算信息增益時，對隨機抽取的數(shù)據(jù)放大一個常數(shù)。

8.根據(jù)權(quán)利要求7所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟5中的EFB技術(shù)為特征捆綁，將互斥特征進行捆綁，即它們很少同時取非零值，以有效減少特征數(shù)量。

9.根據(jù)權(quán)利要求8所述的一種基于XGBoost-LightGBM的機組功率預(yù)測方法，其特征在于，所述步驟6包括在線采集風(fēng)力發(fā)電機組運行過程的數(shù)據(jù)，并對于采集到的樣本點，使用訓(xùn)練好的LightGBM模型對測試集的輸出功率進行預(yù)測。