摘要
本发明公开一种光伏功率超短期预测方法、系统、设备及存储介质,涉及新能源预测技术领域。所述方法包括:构建改进的集合经验模态分解算法对原始光伏功率数据进行分解,并对分解后的若干本征模态函数进行区分及重构,得到高、中、低频分量的重构序列;针对高频和中频分量,采用扩展卡尔曼滤波算法进行动态去噪;将原始数据、低频分量以及去噪后的高频分量和中频分量输入WTConv1d模块,通过小波滤波器和卷积操作提取多尺度特征,并将其与气象数据构建的多维输入矩阵输入Transformer模型进行预测。本发明能够有效抑制噪声干扰,增强多时间尺度特征表达,并充分利用自注意力机制捕捉跨尺度依赖关系,从而提高预测的精度与稳定性。
技术关键词
集合经验模态分解
多尺度特征
小波滤波器
重构
抑制噪声干扰
执行卷积运算
功率
样本
序列
数据
多时间尺度
特征提取单元
矩阵
存储计算机程序
高频特征
算法
动态
系统为您推荐了相关专利信息
形态检测方法
检测网络模型
相机
视角
多尺度特征融合
时间序列预测方法
非线性
单层线性神经网络
重构
sigmoid函数
交通智能监管方法
交通智能监管系统
摘要
中心服务器
交通视频数据