摘要
本发明属于光伏预测技术领域,涉及一种光伏短期发电功率组合预测方法、系统、设备及介质,通过采用K‑means++聚类算法将全年数据划分为不同天气场景,可减小因不同天气场景数据差异对模型性能的影响,同时利用聚类评价指标对聚类K值进行合适的取值;采用DBO算法对VMD的分解层数和惩罚参数寻优组合,解决了凭经验选取分解层数的问题,还可避免过分解和欠分解导致模态混叠现象发生,实现自适应分解;对各天气类型的各IMF分量建模,每次建模后采用CPO算法对LSTM网络的隐藏层个数、最大训练次数和最佳初始学习率进行寻优,可实现对不同分量的LSTM参数寻优,增强模型的泛化能力,提高模型预测精准度。
技术关键词
组合预测方法
长短期记忆网络
天气
场景
聚类算法
光伏发电功率
样本
典型
光伏发电站
表达式
参数
数据
策略
优化器
位置更新
短距离
混叠现象
系统为您推荐了相关专利信息
资源管理策略
资源管理方法
电子设备
强化学习模型
历史设备
场景构建方法
基元
高分辨率遥感影像
影像金字塔
深度图