一种基于机器学习的时空数据修复与功率预测方法技术

本发明专利技术提供了一种基于机器学习的时空数据修复与功率预测方法，该方法包括以下步骤：获取多时空的清洁能源数据，得到原始时空数据和相应的数据特征；其中，所述数据特征包括时间、地点和发电功率，通过使用机器学习对所述原始时空数据进行修复，并将修复后的时空数据输入至预设模型中，输出对应的预测功率值，其中，所述预设模型包括第一模型和第二模型，分别根据所述第一模型和所述第二模型对应的预测功率和权重值，从而计算得到最优预测结果。能够极大的提高预测精度，以及改善电力发电结构和减少发电成本。

【技术实现步骤摘要】

本专利技术属于预测，具体涉及基于机器学习的时空数据修复与功率预测方法。

技术介绍

1、当前，我国能源消费结构性问题仍较突出，碳减排任务仍然艰巨。面对能源转型新目标和能源发展新趋势，需要在电源侧大规模开发清洁能源、增加低碳能源的供给，同时在需求侧大力实施电能替代，提升社会能效。发展清洁能源，对降低碳排放起着积极作用。我国正在加快构建清洁低碳、安全高效的能源体系，全国可再生能源开发利用规模快速扩大，水电、风电、光伏发电累计装机容量均居世界首位。能源绿色发展对碳排放强度下降起到重要作用。

2、清洁能源作为可再生的环保能源，包括太阳能、风能、地热能、波浪能、潮汐能、洋流能等。相对于常规能源石油、煤炭等能源，绿色能源更加清洁、来源更为广泛、发电成本更加低廉生产效率更高的特点被大力推广到电力生产活动中。

3、由于清洁能源依赖于气象水文等多重影响因素，清洁能源的发电并不如常规能源稳定可控，因此，对清洁能源发电量的测算需要结合多时空数据。

4、多时空数据由于其所在空间的空间实体和空间现象在时间、空间和属性三个方面的固有特性，呈现出多维、本文档来自技高网...

【技术保护点】

1.一种基于机器学习的时空数据修复与功率预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，所述使用机器学习对所述原始时空数据进行修复，包括：

3.如权利要求2所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，使用异常检测算法对所述原始时空数据进行分析，包括：

4.如权利要求3所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，使用DBSCAN算法对原始时空数据进行聚类分析，包括：

5.如权利要求4所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，使用...

【技术特征摘要】

1.一种基于机器学习的时空数据修复与功率预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，所述使用机器学习对所述原始时空数据进行修复，包括：

3.如权利要求2所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，使用异常检测算法对所述原始时空数据进行分析，包括：

4.如权利要求3所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，使用dbscan算法对原始时空数据进行聚类分析，包括：

5.如权利要求4所述的基于机器学习的时空数据修复与功率预测方法，其特征在于，使用dbscan算法对距离矩阵中的样本进行聚类，包括：

6.如权...

【专利技术属性】
技术研发人员：陈少梁，李慧，刘常，黎艺炜，彭正阳，温鑫，郑茵，黄力宇，郭斌，蔡妙妆，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：