HBA-LightGBM：基于蜜獾算法的LightGBM模型在太阳辐照度预测中的应用

HBA-LightGBM: Honey Badger Algorithm With LightGBM Model For Solar Irradiance Forecasting

Ashish Prajesh · Prerna Jain · IEEE Transactions on Industry Applications · 2025年2月

太阳能的精确预测对光伏电站至关重要，有助于其提前参与能源拍卖并进行具有成本效益的资源规划。由于太阳辐照度具有间歇性，统计模型往往效果不佳，而机器学习模型在更准确的预测方面具有优势。本文介绍了一种集成学习方法——轻量级梯度提升机模型（LightGBM），该模型不仅计算时间更短，还能提升预测性能。为避免过拟合问题，采用了一种两阶段降维方法，即先使用互信息作为基于过滤的特征选择方法，再使用自编码器作为基于深度神经网络的特征提取方法，以确定最优特征。此外，对于所获得的最优特征中存在的异常值，采用随机森林...

解读: 从阳光电源的业务视角来看，这项基于HBA-LightGBM的太阳能辐照度预测技术具有重要的应用价值。精准的辐照度预测直接关系到光伏电站的发电功率预测准确性，这对我们的智慧能源管理系统、储能系统容量配置以及参与电力现货市场交易至关重要。 该技术的核心优势在于三个方面：首先，LightGBM模型的计算...