摘要
本申请公开了一种基于机器学习的电力设备功率预测方法及系统,涉及电力能源技术领域,解决了现有技术没有考虑气象数据之间的相互影响,难以保证气象预测数据的准确性,这会严重影响发电功率预测精度的技术问题;本申请获取分布式光伏设备的历史记录数据,按照太阳活动轨迹将环境记录数据划分成若干数据集,通过机器学习算法构建若干数据集中平台预测数据和实际检测数据中的映射关系;本申请通过太阳活动轨迹对历史记录数据进行划分,以挖掘不同时段中的映射关系,可提高数据集质量;通过机器学习算法构建映射关系,可准确挖掘出环境因素之间的相互影响,提高映射关系的构建效力和精度,同时由于映射关系不需要频繁构建,可降低构建成本。
技术关键词
功率预测方法
设备状态数据
电力设备
分布式光伏
机器学习算法
人工智能模型
时间段
关系
数据采集层
平台
电力能源技术
BP神经网络模型
轨迹
功率预测系统
RBF神经网络
光伏发电设备
标记
气象
系统为您推荐了相关专利信息
网络故障数据
工业计算机
监控方法
容错机制
原始故障数据
配电网网络重构方法
配电网拓扑模型
布局算法
可视化交互界面
导向算法
云端管理系统
检定校准方法
物联网通信模块
数值
校准时间间隔