摘要
本申请涉及光伏发电预测技术领域,特别是涉及一种光伏发电预测方法、设备及存储介质。预测方法包括:获取历史天气特征、设备标识信息和历史真实发电量;将设备标识信息转换成数值序号后输入到特征编码模型得到设备编码特征;将历史天气特征和设备编码特征进行融合后输入到深度学习模型得到光伏预测发电量;基于预设的物理估算模型,提取部分天气特征和部分编码特征计算出光伏估计发电量;最后,基于光伏预测发电量、光伏估计发电量和历史真实发电量计算融合损失进行模型训练,并基于训练好的特征编码模型和深度学习模型对光伏发电进行预测。本申请的方法,使得模型在数据较少或噪声较大的情况下也能有效预测,提高了模型的泛化能力和鲁棒性。
技术关键词
特征编码模型
光伏发电预测方法
发电量
编码特征
深度学习模型
设备标识信息
卷积神经网络模块
长短期记忆网络
光伏发电预测技术
光伏板
天气
计算机存储介质
物理
编码模块
输出特征
样本
处理器通信
指令
存储器