【技术实现步骤摘要】
基于人工智能的大数据解析方法及系统
[0001]本专利技术涉及一种基于人工智能的大数据解析方法及系统。
技术介绍
[0002]相关的现有技术中，比如专利文献CN106446494B公开了一种基于小波包
‑
神经网络的风光功率预测技术，该技术在对风光的功率进行预测前，首先是采集历时三个月内的气象数据以及相应的有功功率数据，在此基础上对相关数据进行线性回归的计算，以确定相关性较强的变量。在该技术的应用中，对于历史数据的采集是在确定的时间，比如三个月来进行的，但由于气候因素对于风能和光能的功率影响比较复杂，尤其影响具有一定的周期性特点，所以简单的依靠固定周期作为历史数据的采集期限，这样的数据不能够精准的反映其影响的周期性特点，所以其在后期进行的相关运算也不能够得到较精准的气候影响因素，即不能够得到相关性较高的气候影响因素。
技术实现思路
[0003]为了克服现有的技术存在的不足，本专利技术提供一种基于人工智能的大数据解析方法及系统。
[0004]本专利技术解决其技术问题所采用的技术方案是：<...
【技术保护点】
【技术特征摘要】
1.基于人工智能的大数据解析方法，其特征在于，包括步骤有，设置若干个目标风力发电机组与若干个目标光伏发电机组，通过大数据端采集目标风力发电机组与目标光伏发电机组在历史期间所有的有功功率数据及同期的气象环境数据；对所有的有功功率数据及同期的气象环境数据进行去噪和添加标签，标签用于识别有功功率数据的来源以及识别有功功率数据与气象环境数据的采集时间；建立一个具有可变参数的动态解析模型，通过具有可变参数的动态解析模型对去噪和添加标签后的所有的有功功率数据及同期的气象环境数据进行解析，解析过程中动态改变具有可变参数的动态解析模型的参数直到满足解析条件。2.根据权利要求1所述的基于人工智能的大数据解析方法，其特征在于，具有可变参数的动态解析模型，具体为其中的t为气象环境数据中某个具体因素的量化值，其中w为可变周期参数，其中P1为风力发电机组有功功率的调整基准值，其中P2为光伏发电机组有功功率的调整基准值，其中M1为风力发电机组的统计代表值，M2为光伏发电机组的统计代表值；M1的值等于所有统计值的均值，M2的值也等于所有统计值的均值；通过具有可变参数的动态解析模型对去噪和添加标签后的所有的有功功率数据及同期的气象环境数据进行解析，具体地，首先为w、P1、P2均分配一定量的可选值：(w
1,
w2,......w
n
),(P
11
，P
12
，.......P
1n
)，(P
21
，P
22
，.......P
2n
)，按照遍历的办法将w、P1、P2的可选值依次输入到具有可变...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。