【技术实现步骤摘要】
本专利技术属于光伏出力日前预测，具体涉及一种基于分类学习的光伏出力日前预测方法及设备。
技术介绍
1、光伏出力预测是一种维持电网体系稳固运作，提高新一代电力系统调度部门合理分配火电等常规能源与光伏发电比例的有效方法。光伏出力预测理论与方法有了长足进步，从物理模型、统计模型技术到新颖的机器学习技术，这些模型技术方法能较好的运用光伏电站的历史运行功率信息、气象数据信息、天气预报信息等数据，并进行数据加工和运算，对光伏出力进行预测。当前光伏出力预测的技术难点和挑战包括：①模型计算成本高、数据生成的时效性低；②光伏出力日前预测，需要以15min为步长预测未来96个光伏出力点，高精度和多步长预测要求，也是光伏出力日前预测面临的一个极大挑战。基于物理模型、统计模型技术的光伏出力预测对于预测时段的控制以及数据生成的时效性也是无法保证，计算成本较高，优先消纳光伏出力社会效益有待提升。
技术实现思路
1、本专利技术提供一种基于分类学习的光伏出力日前预测方法，用以解决现有技术中基于物理模型、统计模型技术的光伏...
【技术保护点】
1.一种基于分类学习的光伏出力日前预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于分类学习的光伏出力日前预测方法，其特征在于，所述对光伏出力资料进行聚类降维包括以下步骤：
3.根据权利要求1所述基于分类学习的光伏出力日前预测方法，其特征在于，所述构建全日整体、分时段、单点评价指标体系，分析四个季节的光伏出力特性包括以下步骤：
4.根据权利要求1所述基于分类学习的光伏出力日前预测方法，其特征在于，所述构建基于自注意力机制和编码-解码架构的深度神经网络模型，对不同季节的光伏出力进行日前分类预测包括以下步骤：
...
【技术特征摘要】
1.一种基于分类学习的光伏出力日前预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于分类学习的光伏出力日前预测方法，其特征在于，所述对光伏出力资料进行聚类降维包括以下步骤：
3.根据权利要求1所述基于分类学习的光伏出力日前预测方法，其特征在于，所述构建全日整体、分时段、单点评价指标体系，分析四个季节的光伏出力特性包括以下步骤：
4.根据权利要求1所述基于分类学习的光伏出力日前预测方法，其特征在于，所述构建基于自注意力机制和编码-解码架构的深度神经网络模型，对不同季节的光伏出力进行日前分类预测包括以下步骤：
5.根据权利要求1所述基于分类学习的光伏出力日前预...
【专利技术属性】
技术研发人员：万正喜，陈福球，王康乐，李彦倩，周研来，梅亚东，
申请(专利权)人：国网新源集团有限公司，
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。