CSFS将风能和太阳能预测的特征选择成本降低21%

研究人员提出了基于聚类的顺序特征选择（CSFS），这是一种新颖的基于聚类的包装器方法，用于可再生能源预测流水线中的自动且高效的特征选择。该方法解决了从大量可用的监测和环境变量中选择输入特征缺乏系统方法的问题。

• CSFS 与模型无关，旨在提高风力涡轮机功率曲线建模和光伏功率预测的可靠性。
• GitHub 上提供了开源实现，以支持可重复性和重用。
• 实证评估将 CSFS 与基于包装器的顺序特征选择（SFS）、基于过滤器的方法以及随机森林的嵌入式特征重要性进行了比较。
• 与其他技术相比，基于包装器的方法通常能提供更好的特征选择效果。
• CSFS 实现了与 SFS 相当的预测性能，同时将计算成本平均降低了 21%。

该研究强调，基于包装器的方法提供了 superior 的特征选择性能，CSFS 为现有的顺序方法提供了一种更高效的替代方案，且没有牺牲准确性。