Adaptive PSO-Optimised Random Forest for Power Output Prediction in Combined Cycle Power Plants

Abstract

A hybrid model (RF and PSO) is proposed to predict power generation in combined-cycle power plants. The study was conducted using 9,568 operational records collected over six years, with ambient temperature, atmospheric pressure, relative humidity, and exhaust vacuum as input conditions. Upon examining the dataset for physical consistency and identifying ambient temperature as the primary predictive variable in terms of power output, a correlation of -0.9485 was also obtained. During the training process, the baseline RF with grid search optimization achieved an RMSE of 3.334528 MW. Adaptive-PSO was evaluated by applying linear, exponential, and oscillatory update schemes. The results show that the oscillatory variant had the best cross-validation RMSE of 3.329416 MW, while the linear and exponential variants exhibited the lowest test RMSE of 3.330879 MW. A statistically significant difference was found between the oscillatory PSO variant and the reference model according to the Wilcoxon signed-rank test.   Spanish-language metadata / Metadatos en españolTítulo en español:Random Forest optimizado mediante PSO adaptativo para la predicción de la potencia de salida en centrales eléctricas de ciclo combinado Resumen:Se propone un modelo híbrido (RF y PSO) para predecir la generación de energía en centrales eléctricas de ciclo combinado. El estudio se llevó a cabo utilizando 9.568 registros operativos recopilados durante seis años, con la temperatura ambiente, la presión atmosférica, la humedad relativa y el vacío de escape como condiciones de entrada. Tras examinar la consistencia física del conjunto de datos e identificar la temperatura ambiente como la principal variable predictora de la potencia de salida, también se obtuvo una correlación de −0,9485. Durante el proceso de entrenamiento, el RF de referencia con optimización mediante búsqueda en cuadrícula alcanzó un RMSE de 3,334528 MW. El PSO adaptativo se evaluó mediante la aplicación de esquemas de actualización lineal, exponencial y oscilatorio. Los resultados muestran que la variante oscilatoria obtuvo el mejor RMSE de validación cruzada, con un valor de 3,329416 MW, mientras que las variantes lineal y exponencial presentaron el menor RMSE de prueba, de 3,330879 MW. De acuerdo con la prueba de rangos con signo de Wilcoxon, se encontró una diferencia estadísticamente significativa entre la variante oscilatoria de PSO y el modelo de referencia. Palabras Claves:Central eléctrica de ciclo combinado, predicción de la potencia de salida, Random Forest, optimización adaptativa por enjambre de partículas, optimización de hiperparámetros Smart citations: SciteAI. Dimensions.Open Alex.