摘要
本发明公开了一种基于季节性天气分型与RLHF大模型的光伏功率预测方法,包括如下步骤:步骤一:数据获取:获取光伏电站的发电数据和历史气象数据,构建数据集;步骤二:构建预测模型:构建天气分型及光伏出力预测模型,将一年划分为多个季节,将天气细分为若干天气类型,为每个季节的每种天气类型构建光伏出力预测模型;构建RLHF大模型,使用深度学习与强化学习相结合的方法,通过预训练及人类反馈以提升光伏发电功率预测精度与解释性;步骤三:构建融合模型:融合天气分型及光伏出力预测模型和RLHF大模型的预测输出,得到光伏发电功率的最终预测结果。本发明还公开了一种基于季节性天气分型与RLHF大模型的光伏功率预测系统。
技术关键词
光伏功率预测方法
光伏功率预测系统
数值天气预报数据
历史气象数据
光伏发电功率预测
卫星云图
编码器
光伏电站
答案
预训练模型
构建预测模型
节点
矩阵
前馈神经网络
因子
深度学习模型
系统为您推荐了相关专利信息
基站
时间序列预测模型
电力
历史气象数据
通信资源调度方法
土壤抗剪强度
配电网杆塔
历史气象数据
神经网络模型
能力评估方法
大气可降水量
短临预报方法
数值天气预报数据
气象观测数据
物理
光伏功率预测方法
模型超参数
卷积网络模型
进化优化算法
位置更新
光伏功率预测方法
屋顶
气象
历史数据预处理
模型误差