摘要
本发明公开了一种基于大模型的新能源分时多日发电能力预测系统及方法,涉及发电智能管理技术领域,通过矩形子区域间的地理邻接关系和气候相关性,得到以子区域为节点的气候特征图,基于卷积神经网络提取所述气候特征图的层次化时空特征,将所述权重矩阵通过归一化操作更新为动态注意力矩阵,获取不同子区域间的空间关联特性,为发电量的历史序列嵌入时间位置编码,得到发电量的时间趋势特征,将时间趋势特征与空间关联特性进行融合,得到目标区域的时空融合特征,通过编码器层次结构捕捉多尺度周期特征,然后从编码器输出提取预测特征,利用多层感知机将预测特征映射为发电量预测值。
技术关键词
发电能力预测方法
发电量
时空融合特征
预测特征
矩阵
数据管理单元
气候
预测系统
注意力
卷积神经网络提取
编码器
皮尔逊相关系数
多层感知机
矩形
节点特征
降维特征
序列
压缩单元
智能管理技术
系统为您推荐了相关专利信息
潮流计算方法
牛顿算法
雅克比矩阵
线性求解器
有功功率
计量校准方法
动态校准补偿
非线性
无线电设备
神经网络结构
趋势预测模型构建
食品饮料
深度学习预测模型
网络销售平台
特征工程技术
聚类分析方法
神经网络训练
波形
保边去噪方法
分类计算方法