一种基于深度强化学习的光伏发电功率预测方法

本发明公布了一种基于深度强化学习的光伏发电功率预测方法，具体包括以下步骤：S1、整合光伏电站发电数据与气象数据，处理环境温度、辐照度等关键参数；S2、构建双数据流CNN‑LSTM编码器，通过卷积神经网络提取气象空间特征，结合门控循环单元捕捉时间序列规律；S3、利用双重注意力机制，时间模块聚焦关键时间点，气象模块动态加权变量；通过自适应补偿器依天气预报置信度调整奖励权重；S4、利用A3C算法实现多智能体并行训练，最大化长期累积奖励以优化预测策略；S5、在真实光伏电站数据集上进行验证。实验结果表明该模型决定系数(R2)达0.96468，实验结果验证了高精度短期光伏发电功率预测的可行性。