摘要
本发明涉及新能源发电技术领域,特别是一种计及转折气象条件的新能源发电功率预测方法及系统。获取气象预报及历史功率数据利用格拉姆角场数据转换与高效通道注意力卷积神经网络进行特征提取,构建转折性天气识别模型;根据转折性天气识别模型的判别结果利用高斯混合模型和马氏距离进行转折性天气分类与历史相似日匹配,制定转折性天气补偿策略;基于随机森林模型极限梯度提升模型和长短期记忆神经网络构建功率预测融合模型;将功率预测融合模型的输出结果与转折性天气补偿策略的补偿序列相结合,得到新能源发电功率预测结果。解决了转折性天气特征提取效率低动态适应性差的问题,提高了天气转折条件下的预测精度,具有良好的预测精度和泛化能力。
技术关键词
梯度提升模型
历史功率数据
长短期记忆神经网络
高斯混合模型
天气
随机森林模型
策略
新能源发电技术
预测误差
序列
全局平均池化
通道
特征提取模块
压缩单元
注意力
系统为您推荐了相关专利信息
个性化内容推荐
画像
时序预测模型
变量
多臂老虎机
光伏功率预测方法
学习系统
数据驱动模型
特征选择
面向光伏功率预测
智能预测方法
多头注意力机制
水电
能耗
正则化方法
酒店收益管理
注意力机制
动态
游客流量预测
收益管理系统
动力电池状态估计
充电工况
数据
高斯混合模型
荷电状态估计