【技术实现步骤摘要】
本专利技术涉及光伏发电，尤其涉及一种基于改进lof的光伏发电功率短期预测方法及系统。
技术介绍
1、作为新能源发电的重要组成部分，光伏在配电网的渗透率不断提高。但受制于地理环境、气象要素和设备性能的影响，光伏发电量呈现出一定的随机性和波动性。而大规模分布式光伏的接入，一方面会加剧配电网负荷短时波动,影响电力实时平衡；另一方面,光伏发电功率与负荷特性不匹配造成消纳难题,为有源配电网运行带来严峻挑战。因此，高精度的光伏发电功率预测可为电网制定和调整调度计划提供技术支持，提高光伏电站经济效益。
2、目前国内外针对分布式光伏功率预测开展了许多研究，主要集中在确定性预测。预测方法可分为基于历史数据的统计模型和机器学习模型等。常用的统计方法包括支持向量机、极限学习机、回声状态网络等。但上述统计方法处理复杂非线性问题的能力有限，难以全面捕捉光伏功率数据的波动特征。随着人工智能技术的不断提升，深度学习因其强大的非线性拟合能力和泛化能力也被广泛用于新能源预测领域。然而，现有的研究大多只关注于预测方法的优化，而忽视了数据处理步骤对于提高样本质量...
【技术保护点】
1.基于改进LOF的光伏发电功率短期预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进LOF的光伏发电功率短期预测方法，其特征在于，基于K-mediods聚类改进的LOF异常检测算法对经归一化处理后的历史光伏出力时间序列数据进行数据异常检测的步骤具体包括：
3.根据权利要求2所述的基于改进LOF的光伏发电功率短期预测方法，其特征在于，计算数据集P中其他的数据样本与每个聚类中心之间的相似度的步骤具体包括：
4.根据权利要求1所述的基于改进LOF的光伏发电功率短期预测方法，其特征在于，根据数据异常检测结果对数据异常值...
【技术特征摘要】
1.基于改进lof的光伏发电功率短期预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进lof的光伏发电功率短期预测方法，其特征在于，基于k-mediods聚类改进的lof异常检测算法对经归一化处理后的历史光伏出力时间序列数据进行数据异常检测的步骤具体包括：
3.根据权利要求2所述的基于改进lof的光伏发电功率短期预测方法，其特征在于，计算数据集p中其他的数据样本与每个聚类中心之间的相似度的步骤具体包括：
4.根据权利要求1所述的基于改进lof的光伏发电功率短期预测方法，其特征在于，根据数据异常检测结果对数据异常值进行预处理，得到历史光伏出力时间序列纯净数据的步骤具体包括：
5.根据权利要求1所述的基于改进lof的光伏发电功率短期预测方法，其特征在于，所述dbn...
【专利技术属性】
技术研发人员：叶建东，冯开达，余玉晗，卓华硕，黄秀秀，林建熙，易杨，
申请(专利权)人：广东电网有限责任公司，
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。