【技术实现步骤摘要】
本专利技术涉及光伏发电，特别是涉及一种功率预测与故障诊断的光伏发电一体化方法及系统。
技术介绍
1、光伏发电站具有储量巨大、清洁环保、安全性高、建设速度快等优点，近几年得到快速发展。光伏发电受到天气、气候等诸多因素的影响，具有较大的浮动性、随机性，为其并入电网系统带来了挑战和风险。因此，光伏功率精准预测能够为电网调度提供数据支持，有利于电网运行的安全运行和系统稳定，进一步减少发电功率输出的不确定性带来的经济损失，提高经济效益。
2、随着深度学习技术的发展，光伏预测模型也开始采用一些深度学习算法，相比于浅层的神经网络结构，基于深度学习的预测模型能更好地处理复杂的非线性问题，挖掘出气象信息和发电功率的潜在耦合关系，提供更准确的预测结果。但是现有的光伏预测模型依旧存在以下问题：
3、1.光伏发电系统的功率输出与气象条件密切相关，气象信息会对光伏发电功率的预测结果产生误差。现有深度学习预测模型结构较为单一，多采用串联式结构，没有考虑不同模型在光伏发电时间序列特征的不同提取能力。
4、2.目前大多数光伏预测模型...
【技术保护点】
1.一种功率预测与故障诊断的光伏发电一体化方法，其特征在于，包括：
2.根据权利要求1所述的功率预测与故障诊断的光伏发电一体化方法，其特征在于，所述构建NP-LSTM-NSSA预测模型，具体包括：
3.根据权利要求1所述的功率预测与故障诊断的光伏发电一体化方法，其特征在于，所述改进的樽海鞘优化算法的适应度函数为神经先知模型和长短期记忆循环神经网络的加权均方根误差；所述改进的樽海鞘优化算法中引入非线性收敛因子改进跟随者的位置更新。
4.根据权利要求1所述的功率预测与故障诊断的光伏发电一体化方法，其特征在于，以当前时刻的气象信息匹配系数...
【技术特征摘要】
1.一种功率预测与故障诊断的光伏发电一体化方法，其特征在于，包括：
2.根据权利要求1所述的功率预测与故障诊断的光伏发电一体化方法，其特征在于，所述构建np-lstm-nssa预测模型，具体包括：
3.根据权利要求1所述的功率预测与故障诊断的光伏发电一体化方法，其特征在于，所述改进的樽海鞘优化算法的适应度函数为神经先知模型和长短期记忆循环神经网络的加权均方根误差；所述改进的樽海鞘优化算法中引入非线性收敛因子改进跟随者的位置更新。
4.根据权利要求1所述的功率预测与故障诊断的光伏发电一体化方法，其特征在于，以当前时刻的气象信息匹配系数最高的历史日光伏发电功率为故障诊断基线。
5.根据权利要求1...
【专利技术属性】
技术研发人员：郑政杰，蒋善行，王韬，李钦武，陈芾，练海军，张京旭，
申请(专利权)人：浙江浩普智能科技有限公司，
类型：发明
国别省市：
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。