摘要
本发明属于网格化数值天气特征提取领域,提供了网格化数值天气特征降维提取方法及系统。其中,该方法包括得到含高比例新能源电力系统的负荷类型与负荷功率对应关系;根据不同类型负荷所属区域的典型日网格化数值天气实测数据,得到多元气象因子,进而计算与不同负荷类型的负荷功率的相关性,筛选出不同负荷类型相关的气象因子,构建出初始气象因子特征矩阵;利用主成分分析方法对初始气象因子特征矩阵进行降维,得到降维的气象因子特征矩阵;利用预设深度学习模型对降维的气象因子特征矩阵进行迭代学习,以细化网格化气象特征尺度,进一步提取不同负荷类型的隐含特征,得到表征不同类型负荷的网格化特征矩阵,以用于负荷预测。
技术关键词
气象
新能源电力系统
残差神经网络
皮尔逊相关系数
负荷特征
因子
矩阵
贡献率
主成分分析方法
天气
典型日负荷曲线
残差模块
深度学习模型
数值
残差网络
功率
卷积特征
数据
网格