摘要
本发明公开了一种考虑历史相似日与组合权重的光伏功率预测方法,包括以下步骤:(1)利用灰色关联度选取重要气象特征,并采用模糊C均值聚类将历史日划分为晴天、多云、阴天和雨雪天气组成训练集;(2)将分类好的四个训练集分别通过最小二乘支持向量机LSSVR预测;(3)利用完全集合经验模态分解将历史数据分解成若干子序列,将各子序列通过卷积网络与长短期记忆网络并加入注意力机制的混合网络模型进行预测;(4)使用灰色关联分析法将LSSVR的预测结果与C模型的预测结果进行组合,以获得最终的预测结果;本发明更有效地进行光伏电站地能源管理和调度,减少因预测误差导致地能源浪费,从而带来显著地经济效益。
技术关键词
光伏功率预测方法
集合经验模态分解
LSTM模型
模糊C均值
灰色关联分析法
混合网络模型
长短期记忆网络
训练集
拉格朗日乘子法
注意力机制
雨雪天气
灰色关联法
灰色关联度
序列
气象
变量
能源管理
噪声
偏差
系统为您推荐了相关专利信息
电池包充电方法
人工智能模型
荷电状态预测
充电策略
变异策略
标志物
管理终端
样本采集装置
采集现场
微流控检测设备
多传感器数据融合
SOC预测方法
锂电池
集合经验模态分解
因子
样本
光伏功率预测方法
LSTM模型
训练装置
光伏功率预测装置
BiLSTM模型
文本情感分析方法
解析器
文本情感分析系统
信息数据处理终端