摘要
本发明涉及光伏功率预测技术领域,公开了一种光伏功率预测方法及系统,方法包括:获取各光伏场站的历史运行数据进行异常值剔除,并通过生成对抗网络扩充样本数据构建第一训练样本集并进行变量降维,筛选影响光伏功率的主成分因子构建第二训练样本集;利用第二训练样本集计算相似日并筛选和排序;建立融合长短期记忆网络、最大温度预测模型和参数优化算法的深度学习框架,并基于预设光伏功率预测精度评价指标,以相似日天数和权重为自变量进行模型训练建立功率预测模型;基于预设再分析数据气象预报数据,利用训练完成的功率预测模型进行光伏功率预测,进行精度评价与动态优化模型参数,提升了光伏功率预测精度以及对不同场景的适应性。
技术关键词
训练样本集
光伏功率预测方法
长短期记忆网络
深度学习框架
温度预测模型
参数优化算法
气象预报数据
生成对抗网络
历史运行数据
气象历史数据
成分分析
光伏功率预测系统
光伏功率预测技术
计算机
历史功率数据
指标
精度
系统为您推荐了相关专利信息
变电站作业
三维模型
多模态传感器
运维
训练样本集
长短期记忆网络
注意力机制
交易检测方法
数据
处理器
廉洁风险防控方法
风险防控系统
支持向量机分类器
目录
语义向量
掘进参数
隧道掘进机
长短期记忆网络
卷积神经网络模型
小波特征
答案生成方法
建立倒排索引
工业
命名实体识别
节点