摘要
本发明公开了一种分布式光伏发电功率智能预测系统及方法,涉及分布式光伏发电功率预测的技术领域,系统包括:输入模块、LSTM模块、LightGBM模块和输出模块,其中对LSTM模块的LSTM模型训练时,使用LightGBM模块的LightGBM模型进行交叉监督训练优化。本发明基于轻量梯度提升决策树和长短时记忆神经网络提出交叉监督训练模型,实现了分布式光伏总发电功率的预测方法,相比单独使用轻量梯度提升决策树或长短时记忆神经网络的方法有较大的准确率提升,提高了分布式光伏出力预测的准确率,为分布式光伏发电功率预测提供了可行的解决方案,为电网调度管理提供了技术支持和预测信息支持。
技术关键词
LightGBM模型
分布式光伏发电
LSTM模型
智能预测系统
光伏发电功率预测
梯度提升决策树
分布式光伏出力预测
皮尔逊相关系数
预测光伏发电功率
非暂态计算机可读存储介质
电网调度管理
计算误差
双曲正切函数
输入模块
构建决策树
测试方法
输出模块
系统为您推荐了相关专利信息
LSTM模型
退化特征
迁移学习算法
深度学习框架
滚动轴承剩余寿命
训练特征
光伏发电功率预测
强化学习策略
多源时序数据
动态时间规整算法
输出功率参考值
稳定输出控制
光伏发电系统
持续稳定功率输出
混合储能系统
高维特征向量
多维特征数据
监控方法
强化学习算法
LSTM模型
光伏电站故障诊断
LSTM神经网络模型
多模态
大语言模型
光伏电站设备