摘要
本发明公开了一种基于高斯混合模型的分布式光伏功率预测方法、系统、设备及介质,属于光伏功率预测技术领域,包括:采集时序向量,对时序向量执行主成分分析,获取低维特征表示,构成每个光伏电站的功率特征向量;对功率特征向量进行基于概率模型的聚类分析,生成多个光伏电站聚类簇;针对每个聚类簇,通过设定的数据来源优先规则与补全机制获取气象输入数据;基于聚类簇内的累计功率数据与对应气象特征,构建神经网络功率预测模型,输出对应聚类簇中光伏电站的未来发电功率预测值。本发明通过GMM聚类方法将区域内N个光伏电站划分为M个集群,简化了设计;实现了整个区域的功率预测。
技术关键词
高斯混合模型
气象
分布式光伏电站
历史功率数据
天气预报信息
成分分析
光伏功率预测技术
时序
贝叶斯信息准则
期望最大化算法
空间插值方法
优化神经网络
天气预报数据
数据输入模块
前馈神经网络
模型训练模块
系统为您推荐了相关专利信息
生存预测方法
基因表达数据
多尺度
数字病理图像
协方差矩阵
气象监测数据
多元线性回归模型
数值
气象预报数据
平台
概率密度函数
高斯混合模型
贝叶斯信息准则
累积分布函数
数据