摘要
本发明公开了基于历史波动信息熵提取的光伏发电中长期在线预测方法。该方法通过集合经验模态法对光伏出力历史序列进行频域分解,得到模态分量和残差分量。然后利用相空间重构理论,将模态分量重构为向量组,提取各模态分量间的历史波动信息熵。比较相邻模态分量间的历史波动信息熵差值的绝对值,对于差值绝对值小于设定阈值的模态分量进行相加,合并为一个分量。将合并后的模态分量和残差分量进行拼接,得到重构序列。最后将重构序列输入图注意力神经网络中,预测光伏出力。该方法通过历史波动信息熵,有效捕捉光伏发电中长期波动趋势特征,并通过对模态分量的选择性重构,降低了信息量。提高光伏发电中长期预测的精度。
技术关键词
在线预测方法
信息熵
注意力神经网络
序列
节点特征
重构理论
注意力机制
概率密度函数
计算机
幅值
节点数
数据
可读存储介质
噪声
矩阵
元素
中子
系统为您推荐了相关专利信息
密钥生成方法
量子随机数生成器
生成随机数序列
样本
生成对抗网络模型
编码器模块
制动意图
行驶状态数据
注意力机制
模型训练方法
追踪方法
孪生网络方法
特征提取方式
位置跟踪
DSST算法