摘要
本发明涉及电力系统光伏预测技术领域,尤其涉及一种光伏功率短期概率预测方法、装置、设备及介质,方法包括:对原始数据进行处理,基于EMD和KPCA模型对预处理数据进行特征提取;采用Stacking模型进行确定性预测;对预测结果进行评估;采用自适应边界优化策略修正确定性预测结果,生成短期概率预测结果;通过数据插值解决数据分辨率低的问题,相关性分析考虑数据的时序相关性,EMD和KPCA方法减少输入特征冗余,Stacking模型提高模型泛化性,自适应边界优化策略提升预测区间性能。该方法具备高效处理多源数据、考虑数据时序相关性、准确捕捉特征变化、优越的模型泛化性及高质量的预测误差分析等优点。
技术关键词
概率预测方法
Stacking模型
斯皮尔曼相关系数
训练算法
线性插值方法
极限学习机
预测误差
气象
电力系统光伏
元启发式算法
样本
EMD算法
学习器
功率值
策略
特征提取模块
数据处理模块
处理器
系统为您推荐了相关专利信息
轻量级深度学习
图像伪造检测系统
像素点
模型训练模块
注意力
锂电池
XGBoost模型
线性插值法
新能源汽车
模型训练模块
盾构机刀盘结泥饼
预警方法
概率密度函数
高斯核函数
网络
无人机
生成器网络
资源分配方法
阿波罗尼斯圆
深度强化学习算法
光伏发电数据
异常分析方法
异常数据
能源管理
一维卷积神经网络