摘要
本发明公开了一种基于复数神经网络的光伏发电预测方法及系统,包括:获取光伏发电历史数据和气象历史数据;根据光伏发电历史数据和气象历史数据计算皮尔逊相关系数和斯皮尔曼秩序相关系数;根据皮尔逊相关系数和斯皮尔曼秩序相关系数对气象历史数据进行筛选获得气象相关数据;通过孤立森林算法对所述气象相关数据进行校正获得训练样本;构建获得复数神经网络,利用训练样本对复数神经网络进行训练,实时获取气象数据和光伏发电数据并输入至训练后的复数神经网络,获得光伏发电预测功率;利用复数神经网络同时处理数据实部信息和虚部信息的优势,更加准确地捕捉信号的振幅、相位特征、周期性特征,从而能够更加精准的预测光伏发电功率。
技术关键词
光伏发电预测方法
气象历史数据
皮尔逊相关系数
光伏发电数据
频域特征
光伏发电预测系统
训练特征
孤立森林算法
预测特征
网络
预测光伏发电功率
异常数据
执行傅里叶变换
校正
周期性特征
相位特征
系统为您推荐了相关专利信息
监测方法
幼儿
集成学习模型
频谱特征
Stacking模型
图像检测模型
红外图像检测方法
编码特征
多尺度特征
解码器
农田排水沟
地表温度数据
时域特征
频域特征
传感节点
智能分类方法
电信号
智能分类系统
信噪比数据
多模态