摘要
本发明涉及可再生能源发电技术领域,本发明提供了一种光伏功率预测的方法、装置及设备,所述方法包括:获取目标光伏电站的历史功率数据和气象因素数据并进行预处理;采用聚类算法将历史日划分为不同的气象类别,并构建对应气象类别的训练集;对每一个训练集进行相关性分析得到核心气象特征并构成核心特征序列,采用三种模态分解算法对所述核心特征序列分别进行并行分解,构成增强特征集;构建一个双流神经网络模型,将增强特征集作为双流神经网络模型输入,得到优化特征向量;将优化特征向量输入至少一个全连接层得到最终的短期光伏功率预测值。本发明简化了预测任务,结合双流神经网络模型显著提高了短期光伏功率的预测准确性和稳定性。
技术关键词
双流神经网络
气象
历史功率数据
CEEMD算法
SSA算法
分解算法
训练集
可再生能源发电技术
光伏电站
聚类算法
核心
一维卷积神经网络
注意力机制
皮尔逊相关系数
序列
门控循环单元
矩阵
数据获取模块
系统为您推荐了相关专利信息
分布式光伏发电站
云团
三维模型
分布式新能源
数据预测方法
风电场风资源评估
仿真模型
评估风电场
风速
大气环境参数
多步预测方法
训练集数据
数据训练神经网络
气象
日用电量
供热方法
供热设备
关键运行参数
太阳能光电光热系统
排放量
优化电力系统
多模态数据融合
序列
气象
数据编码