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：武汉大学;武汉理工大学;青海大学

摘要：本发明提供一种基于多尺度特征融合的TPE‑CBiGRU分布式光伏短期功率预测方法，属于光伏功率预测领域，包括以下步骤：S11：基于KNN插值法自动计算填补数据中的缺失值和异常值进行原始数据预处理；S12：由原始处理数据、时间特征和功率周期特征矩阵三部分进行融合构建输入特征矩阵；S13：数据标准化将步骤S12构建的输入特征矩阵进行Z‑Score标准化；S14：将步骤S13产生的数据集输入到TPE‑CBiGRU模型中进行训练，并使用基于TPE的贝叶斯超参数优化算法进行超参数寻优；S15：预测结果分析；本发明针对分布式光伏场短期功率预测中的气象条件、时间特征及功率周期性特征的全面提取与融合不足的问题，实现了特征信息提取的全面性，提高了短期光伏功率预测精度。

主权项：1.一种基于多尺度特征融合的TPE-CBiGRU分布式光伏短期功率预测方法，其特征在于，包括以下步骤：S11：原始数据预处理，基于KNNK-NearestNeighbors插值法根据原始数据中各特征列缺失点的临近值，自动计算填补原始数据中的缺失值，异常值用异常点前后一个时间步的平均值替代，所述原始数据包括功率、辐照度、温度、压力以及湿度；S12：构建输入特征矩阵，所述输入特征矩阵由原始处理数据、时间特征矩阵和功率周期特征矩阵三部分进行矩阵拼接的方式进行融合构成数据层特征融合，所述原始处理数据即步骤S11处理后的数据；S13：数据标准化，将步骤S12构建的输入特征矩阵进行Z-Score标准化，不改变数据的分布形状和数据的相对关系，保留数据中的相对差异信息；S14：超参数优化，将步骤S13产生的数据层特征融合数据集输入到TPE-CBiGRU模型中进行训练，并使用基于TPE的贝叶斯超参数优化算法对TPE-CBiGRU模型的超参数寻优，并返回最优超参数组合；S15：预测结果分析，将测试集输入优化后的TPE-CBiGRU模型得到光伏功率预测结果。

全文数据：

权利要求：

百度查询： 武汉大学 武汉理工大学 青海大学 基于多尺度特征融合的TPE-CBiGRU分布式光伏短期功率预测方法