ISI Net：一种集成可解释性与智能选择的新型集成学习范式用于精确风电功率预测

ISI Net: A novel paradigm integrating interpretability and intelligent selection in ensemble learning for accurate wind power forecasting

Bingjie Liang · Zhirui Tianb · Energy Conversion and Management · 2025年1月 · Vol.332

摘要 作为一种清洁能源，风能可以有效缓解能源危机并减少环境污染。准确的风电功率预测能够促进风电产业的快速发展。集成学习是一种广泛使用的风电功率预测方法，但现有的集成学习方法未能对子模型的权重进行解释，且在子模型的选择上缺乏准确依据。为解决上述问题，本研究提出了一种将智能选择与可解释性相结合的新型神经网络范式（ISI Net），用于风电功率预测。所提出的框架分为三个模块。在数据预处理模块中，采用灰色关联分析（Grey Relational Analysis, GRA）进行特征选择，以避免因特征过多...

解读: 该ISI Net风电功率预测范式对阳光电源储能系统具有重要应用价值。其集成智能选择与可解释性的集成学习方法,可应用于ST系列PCS的能源管理系统优化:通过精准预测风电出力,优化PowerTitan储能系统的充放电策略;GRA特征选择和VMD降噪技术可提升iSolarCloud平台的预测性维护能力;可...