【學(xué)術(shù)報(bào)告預(yù)告】

報(bào)告題目：Clustering Based Probabilistic Decision Tree to Forecast Wind Power on Large Scales

（基于聚類概率決策樹(shù)的大規(guī)模風(fēng)電功率預(yù)測(cè)方法）

主要內(nèi)容： 

主 講 人：曼蘇爾汗

報(bào)告簡(jiǎn)述:

風(fēng)能預(yù)測(cè)在可再生能源生產(chǎn)中起著至關(guān)重要的作用,。由于風(fēng)的動(dòng)態(tài)和不確定性，很難捕捉風(fēng)的實(shí)際特征以進(jìn)行準(zhǔn)確的預(yù)測(cè)。導(dǎo)致訓(xùn)練樣本種類繁多的風(fēng)的不均勻和不穩(wěn)定性對(duì)預(yù)測(cè)準(zhǔn)確性有主要影響,。為此，需要一種準(zhǔn)確的預(yù)測(cè)方法,。本文提出了一種新的基于聚類的概率決策樹(shù)混合方法來(lái)有效預(yù)測(cè)風(fēng)電功率,。對(duì)收集的數(shù)據(jù)進(jìn)行噪聲信息篩選，并選擇主要有助于準(zhǔn)確預(yù)測(cè)的變量,。然后,，使用均值和標(biāo)準(zhǔn)差對(duì)風(fēng)數(shù)據(jù)進(jìn)行歸一化，以提取每個(gè)特征的播放級(jí)別字段,?；跀?shù)據(jù)行為的相似性，采用K-means聚類算法將樣本分為包含歷史風(fēng)數(shù)據(jù)的不同組,。此外,，提出了樸素貝葉斯 (NB) 樹(shù)來(lái)提取集群中每個(gè)特征的概率。 NB 樹(shù)是 C4.5 和 NB 方法的混合模型,，成功應(yīng)用于從國(guó)家可再生能源實(shí)驗(yàn)室 (NREL) 收集的三個(gè)大型真實(shí)世界風(fēng)數(shù)據(jù)集（每小時(shí),、每月、每年）,。預(yù)測(cè)準(zhǔn)確性表明,，所提出的方法可以從數(shù)小時(shí)到數(shù)年的數(shù)據(jù)中預(yù)測(cè)準(zhǔn)確的風(fēng)能。將所提出的方法與最流行的最先進(jìn)技術(shù)進(jìn)行了綜合比較,，表明該方法提供了更準(zhǔn)確的預(yù)測(cè)結(jié)果,。

時(shí)    間：11月1日（周二）11：00

地    點(diǎn)：騰訊會(huì)議：曼蘇爾汗博士學(xué)術(shù)講座——基于聚類概率決策樹(shù)的大規(guī)模風(fēng)電功率預(yù)測(cè)方法點(diǎn)擊鏈接入會(huì),，或添加至?xí)h列表：
https://meeting.tencent.com/dm/cKWSAK1S5B88
#騰訊會(huì)議：735-146-759

參加人員：電子信息與人工智能學(xué)院師生

曼蘇爾汗簡(jiǎn)介

MANSOOR KHAN （曼蘇爾汗）2012 年畢業(yè)于巴基斯坦 Bahria 大學(xué)電氣（電子）工程專業(yè)，獲得學(xué)士學(xué)位,。 2017年畢業(yè)于北京航空航天大學(xué)電力電子與動(dòng)力傳動(dòng)專業(yè),，獲碩士學(xué)位。 2020年畢業(yè)于四川大學(xué)電氣工程及其自動(dòng)化專業(yè),，獲博士學(xué)位?，F(xiàn)任樂(lè)山師范學(xué)院電子信息與人工智能學(xué)院副教授。 他的研究方向包括電力預(yù)測(cè),、可再生能源和人工智能電力預(yù)測(cè),。

Email: [email protected] , [email protected]

主辦/承辦單位：電子信息與人工智能學(xué)院

                                    2022年10月28日