摘要
本发明涉及光伏预测技术领域,公开了一种光伏短期功率预测方法,包括:采集光伏发电系统的样本数据集,并将样本数据集分成训练集和测试集;构建基于Stacking双层融合模型,确定基于Stacking双层融合模型包括6个基学习器和1个元学习器;基于训练集,对基学习器使用K折交叉验证法训练获得训练结果,并将训练结果输入元学习器中进行训练,获得预测模型;将测试集输入基学习器进行测试,获得测试结果;将所述测试结果输入预测模型中进行计算,获得预测结果。本发明实施例通过引入基于Stacking双层融合模型,结合多种基学习器的优势,并利用元学习器进一步优化预测结果,使模型的预测性能显著提高,提高预测精度,避免过拟合,提升模型的泛化能力。
技术关键词
光伏短期功率预测方法
学习器
K折交叉验证法
光伏发电系统
历史功率数据
特征选择方法
样本
训练集
功率预测系统
气象
特征选择算法
数据采集单元
计算机
处理器通信
指令
可读存储介质
存储器
电子设备
系统为您推荐了相关专利信息
预测误差
概率密度估计方法
功耗
功率
概率预测方法
光伏发电系统
功率点跟踪方法
电压特性曲线
算法
视野
多模型融合方法
模型预测值
酱香型白酒发酵
大曲
预测误差
声波时差
K折交叉验证法
mRMR算法
曲线
地球物理测井技术
梯度提升模型
历史功率数据
长短期记忆神经网络
高斯混合模型
天气