摘要
本说明书涉及风光新能源技术领域,具体地公开了一种用于风光耦合制氢系统的风光发电功率陡降预测方法及装置,该方法包括:基于历史时间段内的实际发电功率、气象模式数据和地基云图数据,生成训练样本集;对训练样本集中进行有放回地重复采样得到多个子训练集;利用基于趋势提取的时序算法对多个子训练集进行学习得到多个时序算法模型;将未来目标时间段内的气象模式数据和地基云图数据输入至各时序算法模型,得到各时序算法模型对应的目标发电功率;根据各时序算法模型对应的未来目标时间段内风光发电的目标发电功率,确定未来目标时间段内风光发电的功率陡降数据。通过上述方式能准确预测发电功率陡降情况,进而提升风光耦合制氢的运行安全性。
技术关键词
耦合制氢系统
风光
算法模型
训练集
地基云图
时序
时间段
数据
序列
生成训练样本
气象
经验模态分解算法
变分模态分解算法
预测发电功率
模式
长短期记忆网络
线性
系统为您推荐了相关专利信息
预测宫颈癌
机器学习算法
样本
支持向量机算法
随机森林
孪生神经网络
溯源方法
样本
异常数据
协方差矩阵
点云提取方法
三维点云数据
标准化方法
道路特征
预训练模型
数据分析模型
增量学习技术
在线学习技术
训练集
分布式训练