摘要
本发明提供一种基于多尺度特征融合的TPE‑CBiGRU分布式光伏短期功率预测方法,属于光伏功率预测领域,包括以下步骤:S11:基于KNN插值法自动计算填补数据中的缺失值和异常值进行原始数据预处理;S12:由原始处理数据、时间特征和功率周期特征矩阵三部分进行融合构建输入特征矩阵;S13:数据标准化将步骤S12构建的输入特征矩阵进行Z‑Score标准化;S14:将步骤S13产生的数据集输入到TPE‑CBiGRU模型中进行训练,并使用基于TPE的贝叶斯超参数优化算法进行超参数寻优;S15:预测结果分析;本发明针对分布式光伏场短期功率预测中的气象条件、时间特征及功率周期性特征的全面提取与融合不足的问题,实现了特征信息提取的全面性,提高了短期光伏功率预测精度。
技术关键词
短期功率预测方法
多尺度特征融合
分布式光伏
GRU模型
超参数
矩阵
短期光伏功率预测
数据
算法
特征信息提取
空间特征提取
网络
变体结构
周期性特征
插值法
样本
时序特征
表达式
系统为您推荐了相关专利信息
训练样本数据
人脸图像检测方法
像素点
人脸图像检测装置
标签
电力负荷预测模型
电力负荷预测方法
超参数
鲸鱼优化算法
电力系统
模型预测方法
标签编码方法
随机森林模型
作物生长模型
机器学习算法