摘要
本发明公开了一种基于特征筛选和权重优化的短期光伏功率组合预测方法,包括:光伏功率预测模型包括三个光伏功率初级预测模型,光伏功率预测模型通过训练集训练,每个光伏功率初级预测模型的输入特征为第一类特征和第二类特征,通过训练集确定每个光伏功率初级预测模型的第一类特征和第二类特征;向训练完毕的光伏功率预测模型中每个光伏功率初级预测模型输入测试样本相应的第一类特征和第二类特征,使光伏功率预测模型进行预测,得到光伏功率最终预测值。本发明利用重构数据进行特征筛选,得到不同光伏功率初级预测模型的输入特征,确保了输入特征的有效性和针对性,减少特征冗余和噪声干扰等问题,提高了预测的准确性和鲁棒性。
技术关键词
功率
重构
组合预测方法
归一化模块
训练集
数据
气象
样本
LSTM神经网络
曲线
聚类
鲁棒性
有效性
算法
冗余
天气
噪声
误差
频率
系统为您推荐了相关专利信息
PWM占空比
变流器
模块
功率分配方法
数字信号处理器
图像自动分类方法
预测类别
索引
自动分类装置
优化器
仿真模型
置信度计算方法
强度
标准偏差分析
水声材料
重型卡车电池
DQN算法
深度强化学习
智能决策方法
智能决策装置
形状先验
图像分割方法
核主成分分析算法
标签
重构矩阵