摘要
本发明提供了一种基于多维预报偏差订正的光热DNI预测方法,包括:步骤1,通过自适应阈值方法进行DNI时间序列数据的清洗预处理操作;步骤2,基于K‑means聚类的DNI时间序列数据与气象因素维度拓展的融合分析及不同天气典型日识别;步骤3,基于三维融合优化算法与误差修正的光热电站短期太阳直接法向辐射预测;本发明采用多维预报偏差订正的方法,对融合多维气象因素的光热DNI数值进行预处理,并融合气象因素构建特征矩阵,进行K‑means聚类分析得到各种天气条件下的典型日,最后构建三维融合预测模型对DNI进行预测,并进行误差修正得到最后预测结果,从而提高光热DNI预测的准确性。
技术关键词
门控循环单元
数据
极值
气象
序列
更新网络参数
初始聚类中心
光热
加权平均法
阈值方法
典型日识别
数值
小波变换系数
引入注意力机制
神经网络框架
误差
信号特征提取
热电站
系统为您推荐了相关专利信息
称重模型
二值化图像
称重方法
实时图像
边缘检测
链路构建方法
液压机器人
光电传感器
光信号
光通信
文件比对方法
文本识别模型
预训练语言模型
语义向量
目录
存储模组
静态随机存储器
存储模块
读数据
非易失性存储器