摘要
本发明涉及风光发电功率预测技术领域,尤其涉及一种考虑多维耦合效应的海上风光集群功率预测方法、装置、设备及介质,方法包括:获取海上风光区域的多元气象观测数据和风光电站历史出力数据,预处理并通过滑动时间窗提取日单位样本;基于类泰勒展开的耦合强度量化模型挖掘样本间深层次关联,构建耦合特征数据库;采用特征分块编码机制处理样本与耦合特征,生成分块多维输入张量;构建双流深度学习模型,融合时空卷积注意力与共享机制提取关键特征并训练;预测阶段将待预测时段的气象与出力数据编码后输入模型,输出超短期风光集群功率预测结果,提高了新能源集群功率预测的准确性和稳定性效果。
技术关键词
耦合特征
功率预测方法
集群
数据编码
滑动时间窗
编码机制
气象观测数据
分块
特征提取模块
风力发电数据
光伏发电数据
气象预报数据
卷积神经网络模型
风光发电功率预测
效应
深度学习网络
矩阵
注意力机制
系统为您推荐了相关专利信息
历史流量数据
资源分配
深度神经网络模型
节点
资源状态信息
管理系统
数据共享管理
基础数据模型
元数据管理模块
数据模型管理