摘要
本发明涉及一种基于多模型多层堆叠与集成的短期光伏功率预测方法,包括以下步骤:获取待预测光伏电站的历史预测气象数据,并进行预处理,生成历史预测气象数据序列,并获得原始气象特征;对历史预测气象数据序列进行特征提取,提取特征包括时间特征、辐照差分特征、温差特征和温湿比特征;将原始气象特征和提取特征组合为模型输入特征,以模型输入特征作为经训练的短期光伏功率预测模型的输入,获得预测结果;短期光伏功率预测模型为多层堆叠模型,包括多个子模型和线性回归层,各子模型以模型输入特征和在前的所有子模型的输出为输入,线性回归层综合各子模型的输出获得预测结果。与现有技术相比,本发明具有预测准确性高、效果稳定等优点。
技术关键词
短期光伏功率预测
多模型
气象
线性
光伏电站
交叉验证法
序列
异常数据
温差
可读存储介质
基础
训练集
周期性
电子设备
程序
计算机
处理器
指标
系统为您推荐了相关专利信息
运动姿态检测方法
分支
行人特征
输出特征
姿态检测系统
降噪装置
寿命预测方法
寿命预测模型
线性累积损伤理论
采集变电站
控制中心
辐射监测系统
辐射监测方法
水下作业机器人
辐射源
YOLO模型
双向特征金字塔
图像增强
权重机制
装备检测技术