摘要
本发明公开了一种基于小样本学习的梅雨季节光伏出力预测方法及系统,该方法包括:构建多源特征体系;基于气象模式聚类划分元学习任务;构建TCN‑Transformer混合神经网络模型,并嵌入可学习气象适配器;采用MAML元学习框架训练混合神经网络模型,并结合物理约束正则化损失函数,实现不同气象模型的元学习任务训练;通过课程学习策略分三个阶段优化模型参数,并利用Mixup时序数据增强训练集;部署训练完成的模型进行出力预测,输出带置信区间的预测结果。本发明实现了小样本、高不确定性的梅雨季场景下的高精度光伏出力预测,为电网调度提供可靠支撑。
技术关键词
混合神经网络模型
光伏出力预测方法
多源特征
样本
设备状态数据
神经网络激活函数
动态时间规整算法
设备特征
门控神经网络
时序特征
迁移学习方法
光伏电站
适配器结构
历史气象数据
时间差
训练集
编码器参数