基于多元数据特征增强的光伏功率区间预测方法及装置制造方法及图纸

基于多元数据特征增强的光伏功率区间预测方法及装置，通过构建相似日数据集，相似日数据集中包括采样的天气特征和光伏功率出力原始数据，对相似日数据集进行相关性分析，聚类前生数据预处理，聚类指标选取和聚类结果处理；对卷积神经网络模块CNN、超轻量子空间注意力模块ULSAM、双向长短期记忆神经网络模块BiLSTM、模块内分位数回归模型QR进行组合形成基于QR‑CNN‑ULSAM‑BiLSTM的光伏功率短期区间预测混合模型以预测区间覆盖率、预测区间平均宽度为区间评价指标，对光伏功率预测区间进行评估预测。本发明专利技术在多种复杂天气场景下表现出更高的预测准确性、敏锐性和场景适应性。

【技术实现步骤摘要】

本专利技术属于新能源发电，具体涉及一种基于多元数据特征增强的光伏功率区间预测方法及装置。

技术介绍

1、光伏发电作为一种清洁、可再生的能源形式正日益受到瞩目，成为未来能源体系中的重要支柱。然而，由于光伏发电受天气等因素影响，其出力波动不稳定，这对电网的安全稳定运营构成了挑战。

2、目前，为应对光伏发电的波动性，短期光伏出力预测技术应运而生，它能基于历史数据、天气预报等信息，准确预测短时段内光伏电站的发电能力，为电网调度、能源规划提供有力支持。这项技术的应用，有望降低光伏发电波动对电网的冲击，提高电网的可靠性与稳定性。然而，光伏发电波动性的挑战依然存在，为实现大规模应用带来难题。正因如此，短期光伏出力预测技术的研究显得尤为重要。

3、现阶段，常用的新能源出力预测方法包括物理模型方法、数据驱动方法和混合模型方法等。

4、物理模型方法避免了对历史发电数据的依赖，通过对设备的使用情况、周围环境等因素进行精确的分析，如数值天气预报(numerical weather prediction，nwp)，从而得到准确的未来趋势。但是，物本文档来自技高网...

【技术保护点】

1.基于多元数据特征增强的光伏功率区间预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多元数据特征增强的光伏功率区间预测方法，其特征在于，对所述相似日数据集进行相关性分析过程，采用Kendall相关系数筛选多元数据与光伏发电功率的相关性，根据所得Kendall相关系数绘制出热力图；

3.根据权利要求2所述的基于多元数据特征增强的光伏功率区间预测方法，其特征在于，还包括对所述相似日数据集进行聚类前生数据预处理，聚类前生数据预处理过程，对缺失值采用最近邻均值法填充，采用箱型图法检测异常值，并对异常值采用前向填充法修正；

4.根据权利要求3所述的基...

【技术特征摘要】

1.基于多元数据特征增强的光伏功率区间预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多元数据特征增强的光伏功率区间预测方法，其特征在于，对所述相似日数据集进行相关性分析过程，采用kendall相关系数筛选多元数据与光伏发电功率的相关性，根据所得kendall相关系数绘制出热力图；

3.根据权利要求2所述的基于多元数据特征增强的光伏功率区间预测方法，其特征在于，还包括对所述相似日数据集进行聚类前生数据预处理，聚类前生数据预处理过程，对缺失值采用最近邻均值法填充，采用箱型图法检测异常值，并对异常值采用前向填充法修正；

4.根据权利要求3所述的基于多元数据特征增强的光伏功率区间预测方法，其特征在于，聚类指标选取包括均值、标准差、波峰波谷数量、变异系数cv、峰度kur和偏度sk：

5.根据权利要求4所述的基于多元数据特征增强的光伏功率区间预测方法，其特征在于，聚类结果处理过程，根据功率曲线的幅值和波动特性，对原始气象影响因素进行相似日聚类，将天气划分为晴天、多云、阴雨和极端天气四种类型。

6.根据权利要求1所述的基于多元数据特征增强的光伏功率区间预测方法，其特征在于，所述卷积神经网络模块cnn中，卷积层输入与输出的对应关系下式所示：

【专利技术属性】
技术研发人员：徐弢，张加东，朱红，刘潞潼，蒋承伶，王文帝，许洪华，乔骥，赵紫璇，陈予尧，
申请(专利权)人：天津大学，
类型：发明
国别省市：