【技術實現(xiàn)步驟摘要】
本專利技術涉及光伏功率預測領域，尤其涉及一種基于多源數(shù)據融合和特征降維的光伏功率預測方法及系統(tǒng)。
技術介紹
1、光伏功率的預測精準性影響到光伏的消納量，影響到新型電力系統(tǒng)的調度計劃的制定，影響到整個電力系統(tǒng)的運行穩(wěn)定性。
2、傳統(tǒng)方法在數(shù)據集的構造上有些許的片面，僅考慮氣象環(huán)境因素對光伏的影響，未考慮歷史光伏也會對預測光伏有影響；此外，傳統(tǒng)方法往往將特征分解后，未做降維處理，這樣會導致預測模型計算量的陡然增加，模型出現(xiàn)過擬合現(xiàn)象，預測精度受限。
技術實現(xiàn)思路
1、鑒于上述存在的問題，提出了本專利技術。
2、因此，本專利技術解決的技術問題是：如何提供一種既分解又降維的光伏功率預測方法。
3、為解決上述技術問題，本專利技術提供如下技術方案：
4、第一方面，本專利技術實施例提供了一種基于多源數(shù)據融合和特征降維的光伏功率預測方法，包括：
5、提取高自相關的歷史光伏數(shù)據，結合氣象環(huán)境因子構造初始數(shù)據集；
6、對初始數(shù)據集進行輸入特征與輸出特征的互相關分析，提取高關聯(lián)特征，構造候選數(shù)據集；
7、將初始數(shù)據集中氣象環(huán)境因子和歷史光伏數(shù)據分解為不同頻率下的固有模態(tài)函數(shù)分量，降維得到最終輸入特征，結合輸出光伏功率，構造最終數(shù)據集；
8、對最終數(shù)據集進行訓練和預測。
9、作為基于多源數(shù)據融合和特征降維的光伏功率預測方法的一種優(yōu)選方案，其中：
10、所述提取高自相關的歷史光伏數(shù)據包括：
11、采用自相關函數(shù)法提取出與預測日關聯(lián)度大于0.85的歷史光伏數(shù)據。
12、作為基于多源數(shù)據融合和特征降維的光伏功率預測方法的一種優(yōu)選方案，其中：
13、所述對初始數(shù)據集進行輸入特征與輸出特征的互相關分析包括：
14、初始數(shù)據集中的輸入特征包括氣象環(huán)境因子和歷史光伏數(shù)據，所述初始數(shù)據集中的輸出特征包括預測光伏功率。
15、作為基于多源數(shù)據融合和特征降維的光伏功率預測方法的一種優(yōu)選方案，其中：
16、所述對初始數(shù)據集進行輸入特征與輸出特征的互相關分析還包括：
17、采用最大互信息系數(shù)法針對初始數(shù)據集進行輸入特征與輸出特征的互相關分析，提取出互相關度大于0.9的特征，結合輸出特征作為候選數(shù)據集。
18、作為基于多源數(shù)據融合和特征降維的光伏功率預測方法的一種優(yōu)選方案，其中：
19、所述將初始數(shù)據集中氣象環(huán)境因子和歷史光伏數(shù)據分解為不同頻率下的固有模態(tài)函數(shù)分量包括：
20、采用經驗小波分解方法將初始數(shù)據集中氣象環(huán)境因子和歷史光伏數(shù)據分解為不同頻率下的固有模態(tài)函數(shù)分量。
21、作為基于多源數(shù)據融合和特征降維的光伏功率預測方法的一種優(yōu)選方案，其中：
22、所述降維得到最終輸入特征包括：
23、采用核主成分降維技術進行降維，將不同頻率下的固有模態(tài)函數(shù)分量映射到高維空間，通過主成分分析降低數(shù)據維度，保留最具代表性的特征。
24、作為基于多源數(shù)據融合和特征降維的光伏功率預測方法的一種優(yōu)選方案，其中：
25、所述對最終數(shù)據集進行訓練和預測包括：
26、采用雙向長短期記憶網絡模型對最終數(shù)據集進行訓練和預測。
27、第二方面，本專利技術實施例提供了一種基于多源數(shù)據融合和特征降維的光伏功率預測系統(tǒng)，包括：
28、初始化模塊，用于提取高自相關的歷史光伏數(shù)據，結合氣象環(huán)境因子構造初始數(shù)據集；
29、候選構造模塊，用于對初始數(shù)據集進行輸入特征與輸出特征的互相關分析，提取高關聯(lián)特征，構造候選數(shù)據集；
30、數(shù)據集構造模塊，用于將初始數(shù)據集中氣象環(huán)境因子和歷史光伏數(shù)據分解為不同頻率下的固有模態(tài)函數(shù)分量，降維得到最終輸入特征，結合輸出光伏功率，構造最終數(shù)據集；
31、訓練預測模塊，用于對最終數(shù)據集進行訓練和預測。
32、第三方面，本專利技術實施例提供了一種計算設備，包括：
33、存儲器和處理器；
34、所述存儲器用于存儲計算機可執(zhí)行指令，所述處理器用于執(zhí)行所述計算機可執(zhí)行指令，當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如本專利技術任一實施例所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法。
35、第四方面，本專利技術實施例提供了一種計算機可讀存儲介質，其存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法。
36、本專利技術的有益效果：本專利技術系統(tǒng)提取與光伏功率預測相關的特征，確保數(shù)據集覆蓋關鍵環(huán)境因素和歷史數(shù)據；通過核主成分降維技術，去除無關特征，優(yōu)化數(shù)據結構，降低模型復雜性；特征選擇與降維結合，有效避免過擬合，使模型在未見數(shù)據上更穩(wěn)定；減少輸入特征維度，降低訓練和預測時的計算需求，提高運行效率；通過深度分析環(huán)境因素和歷史數(shù)據，結合雙向長短期記憶網絡，顯著提升預測準確性；考慮氣象環(huán)境因素，使得模型更好地適應不同氣候條件；能夠在提高輸入特征的全面度的同時，降低無關特征維度，從而提高模型的泛化能力；能夠有效降低計算量、提高模型預測精度。
本文檔來自技高網...【技術保護點】
1.一種基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，包括：
2.如權利要求1所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述提取高自相關的歷史光伏數(shù)據包括：
3.如權利要求2所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述對初始數(shù)據集進行輸入特征與輸出特征的互相關分析包括：
4.如權利要求3所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述對初始數(shù)據集進行輸入特征與輸出特征的互相關分析還包括：
5.如權利要求4所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述將初始數(shù)據集中氣象環(huán)境因子和歷史光伏數(shù)據分解為不同頻率下的固有模態(tài)函數(shù)分量包括：
6.如權利要求5所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述降維得到最終輸入特征包括：
7.如權利要求6所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述對最終數(shù)據集進行訓練和預測包括：
8.一種采用如權利要求1～7任一所述的基于多
9.一種計算設備，包括：
10.一種計算機可讀存儲介質，其存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)權利要求1至7任意一項所述基于多源數(shù)據融合和特征降維的光伏功率預測方法的步驟。
...【技術特征摘要】
1.一種基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，包括：
2.如權利要求1所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述提取高自相關的歷史光伏數(shù)據包括：
3.如權利要求2所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述對初始數(shù)據集進行輸入特征與輸出特征的互相關分析包括：
4.如權利要求3所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述對初始數(shù)據集進行輸入特征與輸出特征的互相關分析還包括：
5.如權利要求4所述的基于多源數(shù)據融合和特征降維的光伏功率預測方法，其特征在于，所述將初始數(shù)據集中氣象環(huán)境因子和歷史光伏數(shù)...
【專利技術屬性】
技術研發(fā)人員：苗宇，李躍，鄭友卓，郝樹青，劉安茳，王揚，王卓月，蔡永翔，李前敏，王悅婧，張恒榮，徐玉韜，宋子宏，李新皓，陳宇，吳鵬，張洋，竇陳，潘富祥，何光祿，張松，何明君，樊科，班詩雪，田飛，
申請(專利權)人：貴州電網有限責任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。