摘要
本发明提出了一种光伏发电系统出力预测方法、系统、存储介质及设备,涉及能源功率预测技术领域,所述方法包括:获取不同光伏电站的历史出力数据和相关环境数据,对相关环境数据进行归一化处理;然后采用综合灰色关联分析法计算相关环境参数之间的相关程度;利用计算不同光伏电站的光伏系统出力相关性,然后将其分解为多个模态分量,利用各分量表征各站点间的时空关联特征;建立基于时空关联特征的改进贝叶斯‑长短期记忆神经网络模型;将待测相关环境数据输入基于时空关联特征的贝叶斯神经网络预测模型,得到出力预测结果;本发明能够提高光伏发电系统的出力预测精度,且复杂强波动天气下也能够实现对出力的精准预测。
技术关键词
长短期记忆神经网络模型
出力预测方法
光伏发电系统
灰色关联分析法
贝叶斯神经网络
集成经验模态分解
光伏电站
皮尔逊相关系数
光伏系统
能源功率预测
相对湿度
站点
神经网络训练
矩阵
天气
数据获取模块
处理器
预测系统
程序
系统为您推荐了相关专利信息
退化模型
特征提取网络
电池健康状态
老化机制
变分贝叶斯方法
半导体纳米晶体管
仿真方法
贝叶斯神经网络
分层数据结构
关联分析算法
能见度
路面状态数据
长短期记忆神经网络模型
交通气象监测
预警系统
山地光伏发电
运维方法
光伏发电功率
数据采集系统
光伏发电系统