摘要
本申请公开了一种应用于光伏电站的光伏发电量预测方法及系统,涉及光伏发电预测领域,方法包括:进行皮尔森相关分析及斯皮尔曼相关分析确定关键协变量;进行多元奇异谱信号分解处理得到重构序列数据;采用重构序列数据对多尺度协变量交互模型进行训练以得到本地模型;基于多源域协同训练框架,将所有光伏电站对应的本地模型的模型参数上传进行全局训练得到训练完成的全局模型;采用迁移学习微调策略,对训练完成的全局模型进行微调得到光伏发电量预测模型。本申请可提升光伏发电量预测过程中用到的模型的泛化能力,实现对光伏发电量的高精度、高稳定性预测,尤其适用数据质量不佳的应用场景。
技术关键词
光伏电站
变量
重构
交互模型
序列
数据
卷积模块
混合模块
交互特征
多尺度
光伏发电量预测
参数
样本
光伏发电预测
输出特征
矩阵
系统为您推荐了相关专利信息
智能控制方法
动态规划算法
历史运行数据
注意力
智能控制系统
位点预测方法
转录因子
DNA序列特征
动态卷积网络
蒙特卡洛模拟方法