शोधकर्ताओं ने क्लस्टर-आधारित क्रमिक विशेषता चयन (CSFS) का प्रस्ताव रखा है, जो एक नवीन, मॉडल-अज्ञात व्रैपर विधि है, जो पवन और सौर ऊर्जा पूर्वानुमान में व्यवस्थित विशेषता चयन की कमी को दूर करने के लिए डिज़ाइन की गई है। इस दृष्टिकोण का उद्देश्य नवीकरणीय ऊर्जा पाइपलाइनों के लिए स्वचालित, कुशल और विश्वसनीय विशेषता चयन प्रदान करना है।
- CSFS का मूल्यांकन पवन टर्बाइन पावर वक्र मॉडलिंग और फोटोवोल्टिक पावर पूर्वानुमान पर किया गया है।
- इसकी तुलना स्थापित तकनीकों से की गई है, जिसमें व्रैपर-आधारित क्रमिक विशेषता चयन (SFS), फ़िल्टर-आधारित विधियाँ और Random Forest का एम्बेडेड विशेषता महत्व शामिल हैं।
- परिणाम संकेत देते हैं कि व्रैपर-आधारित विधियाँ आमतौर पर बेहतर प्रदर्शन वाली विशेषता चयन प्रदान करती हैं।
- CSFS ने SFS के तुलनीय पूर्वानुमान प्रदर्शन प्राप्त किया है, जबकि गणनात्मक लागत को औसतन 21% कम किया है।
लेखकों ने नवीकरणीय ऊर्जा पूर्वानुमान कार्यों में पुनरुत्पादकता और पुन: उपयोग का समर्थन करने के लिए GitHub पर एक ओपन-सोर्स कार्यान्वयन प्रदान किया है।