摘要
本发明提出一种短期光伏出力区间预测方法,模型和存储介质,基于所述多个模态分量及其最优的输入特征组合,构建不同的CNN‑BiLSTM组合预测模型;利用贝叶斯优化算法对所述CNN‑BiLSTM组合预测模型进行超参数寻优,得到最优超参数;基于不同分量所对应所述最优超参数,利用CNN‑BiLSTM组合预测模型对不同分量分别进行光伏出力短期预测,得到不同分量的光伏出力预测值本发明采用了Bootstrap自助法来重构光伏出力点预测的误差样本集,可以在无需任何假设的前提下,实现光伏出力的区间预测,尤其是针对光伏出力这类波动性较大的时间序列数据时,具有良好的预测效果。
技术关键词
区间预测方法
组合预测模型
超参数
计算机可执行指令
数据
BiLSTM模型
集合经验模态分解
LSTM神经网络
预测误差
系数方法
噪声
可读存储介质
出力曲线
策略
后验概率
算法
光伏电站
滑动窗口
样本
重构
系统为您推荐了相关专利信息
检测设备
智能管理系统
智能管理方法
多模态
指令
高级生命支持
生命体征状态
人工智能算法
心脏
混合神经网络模型
小汽车出行方式
需求预测方法
终点
路径搜索算法
格网