摘要
本发明涉及电力系统光伏预测技术领域,尤其涉及一种基于多源气象数据与多模型集成的光伏功率预测方法,对收集的气象数据集和功率数据集进行预处理,并根据二者的相关性分析筛选数据;基于EMD算法和KPCA模型对气象数据集进行特征提取,解决输入特征冗余的问题,并将提取特征与功率数据集进行整合,并划分出多个子数据集和至少一个测试集对Stacking预测模型进行训练,并得到训练完成的元学习器,通过元学习器输出预测结果并进行评估。本发明通过Stacking模型的训练和预测过程,解决了模型泛化性不佳的问题,充分利用多种基学习器的优势,并通过元学习器进行优化整合,提高了光伏功率预测的准确性和稳定性。
技术关键词
光伏功率预测方法
气象
学习器
光伏功率预测装置
经验模态分解算法
斯皮尔曼相关系数
EMD算法
训练算法
Stacking模型
训练集
计算机可执行指令
电力系统光伏
数据处理模块
模型训练模块
特征提取器
数据采集模块
变量
贡献率
系统为您推荐了相关专利信息
光伏功率预测方法
屋顶
气象
历史数据预处理
模型误差
电力系统规划方法
可再生资源发电
历史气象数据
可再生能源利用率
可再生能源发电设备
监测模块
智能分析模块
频谱传感器
信号探测器
气象传感器
检测数据处理方法
检测数据处理系统
空间分布特征
设备运行参数
环境监测设备
生态环境影响
风险评估方法
数据
生成对抗网络
地下水污染风险