一种基于深度学习融合模型的光电功率预测方法

本发明涉及光伏发电技术领域，公开了一种基于深度学习融合模型的光电功率预测方法，包括：对历史环境数据进行变量相关性分析，确定聚类变量集合、聚类结果数据集合；将聚类结果数据集合输入第一预测模型，利用第一预测模型基于聚类结果数据集合提取光伏数据空间特征数据；将光伏数据空间特征数据输入第二预测模型，得到光伏数据跨时段相关性数据；将光伏数据跨时段相关性数据输入第三预测模型，生成目标光伏发电站的光电功率预测区间。通过实施本发明，深度学习融合模型，结合历史环境及发电数据，深入分析变量相关性与跨时段特性，精准提取光伏数据特征，有效预测光电功率区间，显著提升预测准确性，助力光伏发电站高效运营与调度。