摘要
本发明涉及光伏电站技术领域,公开了一种光伏电站功率预测方法、装置、存储介质及程序产品,本发明通过融合多个实时目标天基云图和多个实时目标地基云图确定多个光伏功率波动模式,提升了波动模式划分的精细度。进一步,利用长短期记忆神经网络能够捕捉超短期时序依赖,同时,结合反馈神经网络进行短期预测,提升了预测的适应性。进一步,结合多元共轭非线性优化方法求解分模式组合权重,使得组合预测结果更贴近实测功率,避免传统单一权重在模式变化时的误差放大问题,进而能够实现不同波动模式下预测结果的动态校正。进一步,基于多模态图像序列并结合Transformer模型进行预测,使得预测结果更接近实测功率,提高了预测结果的准确性。
技术关键词
地基云图
长短期记忆神经网络
超短期功率预测
功率值
非线性优化方法
序列
云团
历史功率数据
多模态
模式
光伏电站功率预测
图像
计算机
超分辨率
光伏电站技术
光伏发电功率
双三次插值
系统为您推荐了相关专利信息
充电器控制系统
编码向量
时序
序列
充电控制单元
电池动力系统
数字孪生模型
长短期记忆神经网络
实时监测数据
融合时空特征
预训练模型
恶意样本
恶意代码家族
沙箱
分类系统
力矩
数字孪生模型
基准特征
故障场景
转移概率矩阵