摘要
一种基于多源数据深度学习的光伏负荷预测方法及系统,涉及新能源光伏负荷预测技术领域,在该方法中,光伏负荷预测系统通过整合影响光伏负荷预测结果的多种类型的干扰数据,构建多源数据集。在此基础上,用多源数据集训练多个不同的深度学习模型,发挥不同模型的各自优势,能够从不同侧重点对复杂的光伏负荷做出预测。再将多模型的预测结果按照其准确度加权融合,进一步提升了预测的鲁棒性和准确性。实施该方法,解决了相关技术进行光伏负荷预测过程中数据来源单一、预测偏差大的缺陷,通过整合多源数据进行深度学习模型训练,能够更全面地捕捉影响光伏负荷的关键因素,从而提高光伏负荷预测的准确性和可靠性。
技术关键词
负荷预测系统
负荷预测方法
专用训练
误差曲线
计算机程序代码
深度学习模型训练
计算机程序产品
负荷预测技术
历史负荷数据
光伏发电系统
数据更新
存储器
处理器
指令
可读存储介质
鲁棒性
系统为您推荐了相关专利信息
机器学习模型
云服务器
数据检测方法
云端
计算机程序代码
企业供应链优化
短期负荷预测模型
短期负荷预测方法
云数据中心
历史负荷数据
可穿戴式设备
假体
环境温湿度控制
温湿度控制箱
分区
桌面壁纸
电子设备
芯片系统
计算机程序代码
界面