一种适用于分布式光伏功率预测方法及系统

本发明公开了一种适用于分布式光伏功率预测方法及系统，属于可再生能源预测技术领域，该方法通过融合深度特征学习与自适应优化机制，解决传统模型在复杂气象条件下的预测精度与效率瓶颈。首先，基于滑动窗口机制构建时序样本集，动态捕获功率序列的非平稳波动特征；通过最小‑最大归一化消除输入特征与标签的量纲差异；构建四级限制玻尔兹曼机堆叠结构，逐层无监督预训练提取功率数据的时空耦合特性；设计改进极限学习机动态解析架构，结合网格搜索优化隐含层神经元数量，实现模型复杂度与预测精度的全局最优平衡。本发明利用RBM的层级化特征抽象能力区分有效动态模式与噪声干扰，通过ELM的解析求解与参数自适应调整，显著提升了多云、阴雨等强波动场景下的预测鲁棒性，为高比例光伏并网背景下的智能调度与储能优化提供了高效技术支撑。