一种基于深度学习的智能光伏发电量预测与自我学习的方法

发明公开了一种基于深度学习的智能光伏发电量预测与自我学习的方法，属于光伏发电技术领域，包括：采集光伏电站的多源异构数据并进行预处理；通过神经网络对标准化特征集进行在线增量学习，通过奖励函数对发电量初始预测结果进行量化评估和优化；对历史光伏发电量数据进行知识迁移，生成知识迁移矩阵，并将知识迁移矩阵嵌入到光伏发电量预测模型中；通过贝叶斯优化策略动态调整高级发电量预测模型的最优置信度阈值，生成高级发电量预测结果。本发明通过数据、模型与优化策略的多层次协同创新，实现了光伏发电量预测在数据质量、模型适应性、泛化能力及结果可靠性方面的全面提升，有效满足复杂动态环境下光伏发电量精准预测与智能管理的需求。