연구자들은 재생 에너지 예측 파이프라인에서 자동적이고 효율적인 특징 선택을 위한 새로운 클러스터링 기반 래퍼 방법인 Cluster-based Sequential Feature Selection (CSFS)를 제안합니다. 이 접근법은 사용 가능한 모니터링 및 환경 변수가 많은 상태에서 입력 특징을 선택하기 위한 체계적인 방법의 부재를 해결합니다.

  • CSFS는 모델 비종속적이며 풍력 터빈 전력 곡선 모델링 및 태양광 발전 예측의 신뢰성 향상을 위해 설계되었습니다.
  • 재현성과 재사용을 지원하기 위해 GitHub에서 오픈소스 구현이 제공됩니다.
  • 경험적 평가는 CSFS를 래퍼 기반 순차 특징 선택(SFS), 필터 기반 방법 및 Random Forest의 임베디드 특징 중요도와 비교합니다.
  • 래퍼 기반 방법은 일반적으로 다른 기술에 비해 더 우수한 특징 선택 결과를 제공합니다.
  • CSFS는 SFS와 비교할 만한 예측 성능을 달성하면서 계산 비용을 평균 21% 절감합니다.

이 연구는 래퍼 기반 방법이 우수한 특징 선택 성능을 제공하며, CSFS가 정확성을 희생하지 않고 기존 순차 접근 방식보다 더 효율적인 대안을 제공함을 강조합니다.