[发明专利]一种基于特征工程的XGboost风速短期预测方法

权利要求书

1.一种基于特征工程的XGboost风速短期预测方法，其特征在于，包括以下步骤：

步骤一、采集风电机组端风速数据，构建基础的基于时间序列的风速原始数据集；

步骤二、对原始数据集进行数据预处理：采用滑窗的方法，将基于原始数据集的风速时间序列展开形成风速滑窗时间序列；将基于原始数据集的风速时间序列包含的统计数字特征提取出来形成数字特征序列，风速滑窗时间序列与数字特征序列结合成为风速时间-特征序列，作为预测模型的输入；

步骤三、采用极端梯度提升算法对步骤二提取风速时间-特征序列进行训练建模，得到风速预测模型；

步骤四、采用风速预测模型对风速时间-特征序列进行预测，得到风速预测数据。

2.根据权利要求1所述一种基于特征工程的XGboost风速短期预测方法，其特征在于，步骤一种所述获取风电机组端风速数据具体包括，t时刻对应的风速大小，构建基础的基于时间序列的风速原始数据集。

3.根据权利要求1所述一种基于特征工程的XGboost风速短期预测方法，其特征在于，步骤二中，采用滑窗采样的方法，对每个滑窗内部的数据提取一组统计数字特征序列，将特征序列与滑窗时间序列结合形成时间-特征序列，作为预测模型的输入。

4.根据权利要求1所述一种基于特征工程的XGboost风速短期预测方法，其特征在于，步骤三种，采用XGboost算法对步骤二提取风速时间-特征序列进行训练建模，得到风速预测模型，模型计算组件可以描述为：

XGboost目标函数为：

式中，为损失函数，计算预测值与真实值的偏差，为正则项，用来进行剪枝操作，防止过拟合；

第t次迭代时的目标函数为：

正则项具体表达式为：

式中，T为叶子节点的数目；w为叶子节点对应的值的向量；

XGboost算法的打分函数：

。