摘要
本发明提供了一种基于智能电网的光伏发电预测系统及方法,在长周期平稳天气条件下利用梯度提升决策树模型对高维静态特征的高效拟合优势,在天气剧变时段则充分发挥长短期记忆网络对时序非线性动态的捕捉能力,通过环境条件分类器实时判定天气类别并动态调整权重,使最终预测结果在晴天、多云、阴天及雨天四类典型场景下的RMSE明显降低,显著优于现有固定权重组合模型;同时,通过隔离森林与拉格朗日插值构成的自动化数据清洗链,将数据异常率控制在0.1%以下,并采用最小‑最大规范化消除量纲差异,保障模型训练稳定;并行化混合架构在GPU加速下实现分钟级滚动预测,满足省级电网调度中心对实时性的要求。
技术关键词
光伏发电预测系统
光伏发电预测方法
梯度提升决策树
数值天气预报数据
长短期记忆网络
智能电网调度
混合预测模型
特征工程
隔离森林算法
拉格朗日插值法
气象
分类器
静态特征
多源异构数据
计算机程序指令
约束特征
功率