摘要
本发明涉及新能源预测技术领域,具体公开了基于特征生成与交叉注意力机制的光伏发电功率预测方法,我们通过模块倾斜面法的辐照度计算和热传导机制,获取了与发电量高度相关的有效辐照度和组件温度等关键特征,随后,设计了不同网络结构的特征提取模块,对慢速时变特征和时序特征进行了深入挖掘,引入的长短期交叉注意力机制,则使模型能够充分利用长期历史数据和近期气象变化,捕捉对未来发电功率影响显著的关键因素。本发明方法采用光伏电站实际运行数据进行了验证,在四个季节中相较于其他模型nRMSE降低了约20%,结果表明预测结果中精度显著提升。
技术关键词
交叉注意力机制
气象预报数据
光伏电站
历史气象数据
数值天气预报数据
功率
特征提取模块
电站运行数据
卷积神经网络提取
时序特征
光伏组件表面
长短期记忆网络
神经网络结构
驱动特征
相对湿度
系统为您推荐了相关专利信息
多尺度特征
图像对齐方法
特征金字塔网络
交叉注意力机制
特征提取模块
车载充电器
加密数据
历史交通数据
设备序列号
历史气象数据
交叉注意力机制
位点
机器学习算法
矢量量化
特征选择方法
数字孪生模型
动态仿真方法
语义框架
机器学习算法
建筑能效管理
机械故障诊断方法
交叉注意力机制
频域特征
决策分类器
机械健康状态监测