摘要
本发明属于光伏预测领域,具体涉及总辐射预报模型训练方法、预报方法及介质,训练方法包括:由总辐射实况观测值组成观测数据子集;获取多种数值模式原始预报数据并空间降尺度后组成预报数据子集;基于前述两子集确定每种数值模式对应第一特征因子;将前述两子集组成训练数据集,利用梯度提升决策树基于第一特征因子和训练数据集预测,获得各数值模式下初始预测结果并组成预测数据集;利用深度学习模型基于预测数据集和观测数据子集确定第二特征因子,并基于第二特征因子和预测数据集进行集成以获得总辐射预测结果;调整优化深度学习模型参数以获得总辐射预报模型。本发明综合空间降尺度、初始预测及多模式集成来做总辐射预测,可提高预测准确性。
技术关键词
模型训练方法
深度残差网络
深度学习模型
数据
因子
预报方法
空间降尺度
多模式
数值
梯度提升决策树
注意力机制
分辨率
双线性插值法
输入解码器
计算机存储介质
分支
系统为您推荐了相关专利信息
智慧运维系统
区块链智能合约
数据存储方法
探针
设备身份验证
审计模型
大数据建模技术
审计方法
操作界面
交互式界面
在线学习评估方法
在线学习评估系统
心理
图像识别技术
情感分析模型
模型获取方法
历史工况数据
工程机械
状态识别方法
决策树逻辑