摘要
本发明提供了基于深度学习的光伏日前功率预测方法、系统及存储介质,通过将光伏站当日各个时刻出力数据和预设时间段内历史同期待预测日出力数据线性化为组合特征向量;将组合特征向量、次日气象特征向量和预设的注意力权重向量拼接为预测输入向量;将预测输入向量输入至已训练的光伏日前功率预测模型,得到日前各个时刻的功率预测结果。本发明方法通过提取历史数据的特征向量,并利用历史数据的特征向量先对模型进行预训练再对预训练后的模型参数进行微调,得到更为适用光伏的预测模型,以及通过更为深层次的挖掘历史数据中的高相关性参数和充分利用了同期与近期历史数据,提高了预测的准确度。
技术关键词
功率预测方法
组合特征向量
计算机可读程序
气象
数据
时间段
注意力
梯度下降算法
网络
功率预测系统
传播算法
BERT模型
计算机存储介质
划分方法
生成方法
参数
可读存储介质
模块
处理器
系统为您推荐了相关专利信息
数据分析方法
案例库
参数化模板
大语言模型
数据分析系统
主动振动控制系统
PID控制器
环境感知传感器
数据采集模块
数值积分方法
转录组学
生成对抗网络
基因表达数据
卷积方法
变分自动编码器