摘要
本发明公开了一种融合多模态数据的LSTM光伏发电功率预测方法及系统,方法包括:根据历史气象数据、历史光伏监测数据及对应的历史发电功率数据,生成时空一致的多模态训练特征矩阵;基于多模态训练特征矩阵,构建多输入通道的LSTM预测模型,输出跨区域泛化的预训练模型;根据目标区域的实时气象数据、当前光伏监测数据及电价波动曲线,采用双重奖励强化学习策略在线更新预训练模型,输出动态优化后的功率预测模型;将当前时刻的气象数据、光伏监测数据输入动态优化后的功率预测模型,生成未来预设时间的光伏发电功率预测序列。利用本发明实施例,能够实现高精度、强适应性的光伏发电功率预测。
技术关键词
训练特征
光伏发电功率预测
强化学习策略
多源时序数据
动态时间规整算法
历史气象数据
时空注意力机制
周期性特征
相位对齐
矩阵
预训练模型
多模态特征融合
系统为您推荐了相关专利信息
人机交互方法
人机交互界面
动态时间规整算法
姿态估计
面部
流量传感器
综合评估方法
烟气流量
流速
光流估计算法
运动意图识别方法
多通道肌电信号
测试特征
神经网络构建方法
训练特征