Pesquisadores propõem a Seleção Sequencial de Características Baseada em Clusters (CSFS), um novo método wrapper agnóstico ao modelo, projetado para abordar a falta de seleção sistemática de características na previsão de potência eólica e solar. A abordagem visa fornecer seleção automática, eficiente e confiável de características para pipelines de energia renovável.
- CSFS é avaliado na modelagem da curva de potência de turbinas eólicas e na previsão de potência fotovoltaica.
- É comparado a técnicas estabelecidas, incluindo seleção sequencial de características baseada em wrappers (SFS), métodos baseados em filtros e a importância embutida de características do Random Forest.
- Os resultados indicam que os métodos baseados em wrappers geralmente fornecem seleções de características com melhor desempenho.
- CSFS alcança desempenho preditivo comparável ao SFS, enquanto reduz o custo computacional em uma média de 21%.
Os autores fornecem uma implementação de código aberto no GitHub para apoiar a reprodutibilidade e reutilização em tarefas de previsão de energia renovável.