基于自适应特征选择与深度学习融合的小样本光伏功率预测方法

本发明提出了基于自适应特征选择与深度学习融合的小样本光伏功率预测方法。该方法首先全面采集光伏历史功率、气象及电站运行数据，通过精细的数据预处理，包括理论功率计算辅助的异常值检测与替换、数据归一化，确保数据质量。随后，利用XGBoost算法进行自适应特征选择，结合K‑Means聚类对天气类型进行分类，有效提取关键影响因素。在预测模型构建上，创新性地融合了GRU与Informer作为基学习器，以及SVR作为元学习器，形成集成预测模型，显著提升预测精度。通过多指标误差分析，全面评估模型性能，并设置不同预测场景以验证其泛化能力。本方法不仅解决了小样本条件下的光伏功率预测难题，还为光伏发电系统的优化调度与运维管理提供了有力支持。