摘要
本发明提供基于气象特征挖掘的深度学习光伏出力预测方法及系统,属于光伏功率预测技术领域。包括:获取光伏场站的光伏功率历史数据以及光伏场站所处地理位置的气象信息;基于互信息法则筛选出N个气象因子用于模型训练;构建PDF深度学习预测模型并进行模型训练,其中,多个周期性特征模块分别用于对基于光伏功率历史数据、N种气象历史数据进行特征提取,将得到的N+1个注意力结果聚合并输入到基于线性架构的预测器中,通过反向传播更新模型参数;周期性特征模块由多周期解耦模块和双变量建模模块组成;利用训练好的PDF深度学习预测模型进行不同气象条件下的光伏功率预测。
技术关键词
深度学习预测模型
光伏出力预测方法
周期性特征
气象历史数据
序列
更新模型参数
概率分布函数
光伏功率预测技术
因子
模块
线性
变量
训练集数据
注意力机制
预测系统
系统为您推荐了相关专利信息
高血压预测方法
多层感知机
注意力机制
随机森林
LSTM神经网络
统计特征
位置更新
余弦算法
融合特征
计算机程序代码
设备身份认证
LDPC校验矩阵
纠错单元
密钥
汉明距离分布