买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:淮阴工学院
摘要:本发明公开了一种基于机理‑数据驱动混合集成的光伏发电功率预测方法,采用时空分离卷积网络预测模型SSTCN结合维度可分离卷积网络DSAT和全连接预测输出层构建可分离时空卷积网络模型DSATCN的数据驱动模型,采用基于贝叶斯优化BO和多项式混沌展开PCE代理模型优化可分离时空卷积网络预测模型的超参数,采用参数相对容易获取的ASHRAE模型作为计算情况辐照度的基础,建立计算晴空辐照度与实际光伏电站晴天出力之间的映射模型,构建基于机理的晴空功率模型,使用Blending集成学习通过充分利用各模型预测原理的差异性,达到不同模型间的互补,对数据驱动和晴空功率机理模型得到光伏发电功率预测结果进行集成学习,得到最终的光伏发电功率的预测,提高整体模型的预测精度。
主权项:1.一种基于机理-数据驱动混合集成的光伏发电功率预测方法,其特征在于,包括如下步骤:步骤1、预先获取历史光伏相关数据;步骤2、基于最大信息系数对步骤1获取的NWP数据中的主要气象因素与光伏功率之间的相关性,选择相关程度最高的气象因子作为最佳时延的参照量,并通过三次样条插值法对参照量序列进行数据加密,生成新的参照量序列,获取输入变量集,并划分为训练集和测试集;步骤3、考虑不同区域内光伏电站之间的时空关联特性,捕获多个相邻光伏电站之间的时空特性,采用时空分离卷积网络预测模型SSTCN结合维度可分离卷积网络DSAT和全连接预测输出层构建可分离时空卷积网络模型DSATCN;步骤4、构建基于最小化软动态时序规整的目标函数,采用基于贝叶斯优化BO和多项式混沌展开PCE代理模型优化可分离时空卷积网络预测模型的超参数;步骤5、基于机理的晴空功率模型构建,采用ASHRAE模型作为计算晴空辐照度的基础,建立计算晴空辐照度与实际光伏电站晴天出力之间的映射模型,从而得到光伏电站的晴空功率;步骤6、基于Blending集成学习构建机理-数据驱动混合集成的光伏发电功率预测模型,对数据驱动模型和晴空功率的机理模型的预测结果进行集成学习得到光伏发电功率最终变化趋势。
全文数据:
权利要求:
百度查询: 淮阴工学院 一种基于机理-数据驱动混合集成的光伏发电功率预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。