摘要
一种基于融合模型的光伏发电预测方法,属于光伏能源领域。传统光伏预测方法仅基于大量数据进行模型训练,往往存在着与光伏定律不符的预测结果。同时,针对特征子集的筛选通常采用单一方法,但光伏数据具有季节性、不确定性等特点,单一方法无法很好地描述各个特征与发电量的关系。本发明在传统预测方法的基础上融合光伏领域知识及定律,建立光伏约束模型;采用过滤法及包装法结合的算法建立特征子集的筛选模型,最后融合LSTM算法模型进行光伏预测。因此,本发明能够高效地筛选出更具代表性,相关性更佳的特征子集,并对光伏预测结果进行物理约束,从而提高模型的效果和泛化能力,实现光伏发电的准确预测。
技术关键词
光伏发电预测方法
皮尔逊相关系数
光伏发电量
双边滤波算法
支持向量机回归模型
LSTM算法
样本
生成特征向量
信息采集系统
像素点
光伏预测方法
光伏发电数据
邻域
注意力机制
光伏电站
训练集
线性回归模型
系统为您推荐了相关专利信息
需求预测方法
需求预测模型
数据预处理方法
指数平滑模型
日期
控系统网络
恶意流量检测方法
正则化极限学习机
恶意流量检测模型
粒子群算法优化
光伏发电量
数据
曲线
线性回归模型
指示计算机执行
评估模型构建方法
机器学习模型
全局优化算法
电池健康状态评估
斯皮尔曼相关系数