本發(fā)明涉及基于機器學習的
光伏功率短期預(yù)測方法、裝置及存儲介質(zhì),該方法包括歷史數(shù)據(jù)整合、數(shù)據(jù)集預(yù)處理、時序趨勢分解、最優(yōu)特征篩選、機器學習建模和預(yù)測趨勢融合等步驟。其采用趨勢分解與機器學習算法實現(xiàn)對光伏電站一定時空尺度下的多維度數(shù)據(jù)進行整合清洗,然后使用時序數(shù)據(jù)趨勢分解法進行功率數(shù)據(jù)的趨勢分解,并對比使用多種機器學習回歸算法和自回歸模型進行各趨勢項的建模預(yù)測,最后結(jié)合分解模型對預(yù)測結(jié)果進行趨勢預(yù)測融合,完成光伏功率的短期預(yù)測。本發(fā)明對功率數(shù)據(jù)分解后的各趨勢項分別建模,有效提高預(yù)測精度,為新能源場站業(yè)主帶來更精準的功率預(yù)測和更大的收益空間,助力新能源的科學規(guī)劃與合理應(yīng)用。
聲明:
“基于機器學習的光伏功率短期預(yù)測方法、裝置及存儲介質(zhì)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)