耦合辐照度与温度的新建光伏场站功率迁移学习预测方法

本发明公开了耦合辐照度与温度的新建光伏场站功率迁移学习预测方法，涉及新能源预测技术领域，步骤包括使用已长期投运光伏电站的数据进行基础网络训练，并保存模型整体结构以及用于斜面辐照度、组件背板温度特征提取的DNN网络、CNN网络、LSTM网络层的参数。其次固定用于特征提取的CNN网络中卷积层的参数、DNN网络中隐藏层的参数及LSTM网络中隐藏层的参数以进行知识转移，但仍然可以进行训练以进行微调。然后，随机初始化其余参数，以便对新数据进行自适应训练。使用新建光伏电站的数据用于训练和微调网络以实现迁移学习，提高网络对目标域数据的适应性。本发明方法采用光伏电站实际运行数据进行了验证，结果表明预测结果中误差降低了25％以上。