摘要
本发明提供了一种光伏发电功率预测模型训练方法、预测方法、装置、设备及介质,包括:获取历史数据并提取特征数据,计算特征重要性分数并确定重要特征数据;采用主成分分析法对重要特征数据数据标准化,计算协方差矩阵并分解得到特征值和特征向量,构造主成分载荷矩阵并计算主成分特征矩阵,将方差贡献率最大的主成分特征加入重要特征数据;划分训练集、验证集及测试集;建立混合注意力机制‑双向长短期记忆网络模型,选择超参数类型并设置初始值;使用训练集训练模型,使用验证集验证模型性能是否达到预期效果,若否,调整超参数并训练模型;若是,输出训练好的光伏发电功率预测模型;使用测试集测试评估。本发明提升模型性能,提高预测精度。
技术关键词
光伏发电功率预测模型
双向长短期记忆网络
方差贡献率
局部注意力机制
模型训练方法
CatBoost算法
协方差矩阵
特征值
数据
超参数
主成分分析法
光伏发电功率预测方法
训练集
光伏电站发电功率
记忆单元
动态上下文
系统为您推荐了相关专利信息
音频特征
运动特征
融合特征
模型训练方法
计算机执行指令
智能避让系统
安全性评估方法
模型训练方法
机载智能
计算机可读取存储介质
光模块
多层感知机层
模型训练方法
数据
计算机可执行指令
管理优化方法
数字孪生建模
风险
双向长短期记忆网络
管理优化系统
图谱
问答方法
可视化接口
Echarts图表
实体