연구자들은 풍력 및 태양광 발전 예측에서 체계적인 특징 선택의 부재를 해결하도록 설계된 새로운 모델 비종속 래퍼 방법인 클러스터 기반 순차적 특징 선택(CSFS)을 제안한다. 이 접근 방식은 재생에너지 파이프라인에 자동적이고 효율적이며 신뢰할 수 있는 특징 선택을 제공하는 것을 목표로 한다.

  • CSFS는 풍력 터빈 전력 곡선 모델링 및 태양광 발전 예측에서 평가된다.
  • 래퍼 기반 순차적 특징 선택(SFS), 필터 기반 방법, 랜덤 포레스트의 임베디드 특징 중요도를 포함한 확립된 기법들과 비교된다.
  • 결과는 래퍼 기반 방법이 일반적으로 더 우수한 성능의 특징 선택을 제공함을 나타낸다.
  • CSFS는 SFS와 비교 가능한 예측 성능을 달성하면서 계산 비용을 평균 21% 절감한다.

저자들은 재생에너지 예측 작업의 재현성과 재사용을 지원하기 위해 GitHub에서 오픈소스 구현을 제공한다.