摘要
本申请涉及一种风电‑光伏功率联合预测方法、装置、设备、介质和程序产品,涉及新能源功率预测技术领域。本方法能够提高风电和光伏功率联合预测的准确性、稳定性和泛化性。方法包括:利用模糊聚类算法对各风电场和光伏电场中的大规模功率集群进行聚类分析,根据聚类结果量化表征各风电场和光伏电场间的空间相关性;根据聚类结果和节点模态,建立异质图邻接矩阵,利用异质图邻接矩阵和强相关特征因子,表征多模态风电‑光伏发电数据的异构拓扑结构;根据异构拓扑结构,建立时序特征挖掘模型和空间相关性特征挖掘模型,构建基于异质图神经网络的风电‑光伏功率联合预测模型;风电‑光伏功率联合预测模型用于预测各风电场和光伏电场的功率值。
技术关键词
历史功率数据
模糊聚类算法
历史气象数据
风电
联合预测方法
时序特征
光伏发电数据
异质
电场
时间序列特征
新能源功率预测技术
因子
功率值
异构
轮廓系数
集群
系统为您推荐了相关专利信息
数据包络分析模型
燃气涡轮机
吸收式冷水机
效率评价方法
冷热电联产系统
强对流
分类识别模型
辅助分类器
历史气象数据
卷积神经网络设计
容量规划方法
换流站
频率响应
二阶锥松弛算法
风光
状态预测控制方法
扩张状态观测器
风机转速
虚拟同步机系统
比例积分微分控制