摘要
本发明提供一种基于物理机制和考虑相似时段机器学习的光伏发电功率预测方法,包括以下步骤:采用物理机制模型,以历史年度的气象数据为输入,获得研究区域在历史年度的逐时段t的光伏发电功率计算值;对机器学习模型进行训练,并基于滑动窗口法确定年度内相似时间段的最佳划分方式,从而将年度划分为多个连续的相似时间段,并确定每个相似时间段对应的机器学习模型,用于预测年度的光伏发电功率预测。本发明提供一种基于物理机制和考虑相似时段机器学习的光伏发电功率预测方法,具体为一种以网格化气象数据为输入、基于物理机制、考虑相似时间段机器学习的光伏发电功率预测方法,本发明可有效提高光伏发电功率预测准确度。
技术关键词
样本
时间段
光伏发电功率预测
机制
物理
滑动窗口法
网格化气象数据
构建机器学习模型
光伏组件老化
太阳电池材料
光伏组件温度
数学
地表反照率
系统为您推荐了相关专利信息
物理
虚拟机迁移方法
管理共享内存
虚拟机迁移装置
通知
面部关键特征
疲劳检测方法
面部关键点
特征提取模块
图像
脉冲冲击载荷
非线性回归模型
加速度传感器件
因子
物理
冗余
DEA模型
指标
二氧化碳排放量
设备健康状态