摘要
本发明为一种基于多特征融合模型的光伏功率预测方法与系统,其中方法包括以下步骤:获取历史光伏功率数据进行划分,得到季节光伏功率数据和天气光伏功率数据;根据季节特征和季节特征编码构建季节光伏功率数据集;利用高斯混合模型进行聚类,构建天气光伏功率数据集;构建光伏功率预测模型,包括季节光伏功率层和天气光伏功率层,其中,季节光伏功率层基于改进的BP神经网络构建,天气光伏功率层基于梯度提升树构建;将季节光伏功率数据集和天气光伏功率数据集输入光伏功率预测模型进行训练,获得最终的光伏功率预测模型;获得实时光伏功率数据并进行划分,输入最终的光伏功率预测模型,获得实时光伏功率数据的预测结果。
技术关键词
光伏功率预测方法
季节特征
梯度提升树模型
天气
高斯混合模型
协方差矩阵
光伏功率预测系统
概率密度函数
聚类
数据获取模块
期望最大化算法
高斯分布模型
索引
编码
构建决策树
输出模块
处理器
系统为您推荐了相关专利信息
大气污染监测
数据处理方法
监测点
地理信息系统软件
空气质量监测站
高斯混合模型
异常数据
识别方法
样本
贝叶斯信息准则
级联失效模型
天气
计算机程序指令
损失率
公交站点
能耗预测方法
能耗预测模型
车间
参数
能耗预测技术
风电机组
通信链路
识别区
有线通信路径
通信方法