摘要
本申请涉及一种基于天气分型和多任务模型的光伏及用电负荷预测方法,通过PCA法对历史天气数据进行降维后形成综合气象数据,再通过SOM算法和DTW算法得到匹配节点,迭代后获得最佳匹配节点实现天气聚类,然后通过建立的FTCN‑MOSE多任务预测模型对综合气象数据判断其天气类型后对光伏和用电负荷进行预测,得到预测模型,然后使用天气预报数据判断天气类型后预测其光伏和用电负荷。本申请解决了传统单任务预测模型未利用源‑荷间信息交互的问题,以及传统多任务预测模型无法处理相关性较弱的源荷数据的问题,本申请使同一天气类型下的特征更加集中,有助于提高预测精度,能充分利用数据,降低计算成本。
技术关键词
负荷预测方法
天气预报数据
多任务
SOM算法
负荷预测模型
气象
节点
成分分析法
轮廓系数
加权特征
时间窗函数
矩阵
DTW算法
训练集
风速
样本
注意力
系统为您推荐了相关专利信息
净负荷预测方法
负荷预测模型
周期结构
模型预测值
分布式发电
负荷预测模型
预测电力系统
历史负荷数据
短期电力负荷预测
参数
光伏发电功率
DTW算法
气象
数值天气预报数据
序列
遥感数据组织
关系数据模型
管理方法
异构
海量遥感数据