摘要
本发明公开了一种基于多模态数据融合的高精度中长期光伏发电预测方法,涉及光伏发电预测相关领域,该方法包括:采集光伏设备一段时间内的发电数据,作为光伏发电历史数据;对采集到的光伏发电历史数据进行预处理,将数据转换为平稳数据;应用光伏发电预测模型中的学习器,从预处理后的光伏发电历史数据中提取多模态数据,获取多模态的高级特征表示;光伏发电预测模型引入门控机制融合多模态特征,利用多模态交互预测未来中长期时间段内的光伏发电数据。解决了现有光伏发电预测方法稳定性和鲁棒性差,对数据质量要求过高的问题,充分利用多模态数据的互补优势,降低模型性能对数据质量的依赖性,实现高精度的中长期光伏发电预测。
技术关键词
光伏发电预测方法
多模态数据融合
光伏发电数据
学习器
融合多模态特征
光伏设备
多模态交互
时域特征
文本
视觉特征
多头注意力机制
跨模态
线性插值法
序列
系统为您推荐了相关专利信息
胜任力测评方法
多模态数据融合
脑电波传感器
测评系统
心电传感器
食品安全智能检测
传感器模块
高分辨率光谱仪
主动学习方法
深度学习模型
多模态数据融合
融合特征
文本
深度学习模型
关键词
分子属性预测方法
学习器
样本
标记
属性预测模型