摘要
本发明涉及一种基于大模型和深度学习的光伏电站智能控制方法,属于光伏太阳能智能控制领域,通过爬取新闻政策和9km*9km网格天气信息,基于大模型的气象政策解读和影响分析,以及天气数据的缺失值预测和补全,实现了对天气数据的准确获取;同时,利用已知数据预测补全未知数据的光照强度预测方法,以及日出日落信息和阴晴信息编码方法,可以更好地对天气因素进行分析和控制,实现精准的光伏太阳能板发电控制;此外,基于深度学习的天气时序预测方法和智能决策方法,利用历史数据无监督地学习模型,并利用成本函数进行智能决策,来实现对光伏太阳能板的智能控制;最后,结果展示和告警方法,可以准确地存储和显示预测值,并根据告警条件进行预警。
技术关键词
光伏电站智能
天气
发电量
分布式光伏发电
存储时间序列数据
递归神经网络模型
正弦余弦函数
气象
信息编码方法
时序预测方法
智能决策方法
自然语言模型
学习方法
时序预测模型
光伏太阳能板
支持向量回归
SVR模型
数据缺失值
系统为您推荐了相关专利信息
预报可视化系统
空气质量预警
数据处理模块
监测微站
子模块
风机零部件
风力发电机
候选位置集合
协方差矩阵
风电
电力管理
数据同步方法
仓库
数据同步系统
人工智能模型
优化调度模型
分布鲁棒优化
拉丁超立方抽样
优化调度方法
水电站