【技术实现步骤摘要】
本专利技术涉及光伏发电功率预测，尤其涉及一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法、装置及介质。
技术介绍
1、光伏发电作为一种清洁、可再生的能源形式，受到了广泛的关注和应用。随着全球能源结构转型的推进和可再生能源的快速发展，如何精确预测光伏出力成为了提高能源利用效率和电网稳定性的关键挑战。然而，由于光伏发电的高度不确定性和外部环境因素的复杂性，预测的准确性和可靠性仍亟待提高。目前，光伏功率超短期多步预测方法已经有许多相关研究与项目实践。
2、如cn116070769a公开了超短期风电场功率多步区间预测模块化方法及其设备，包括如下步骤：获取风电场地理位置信息，并以一定采样间隔完成对风电场历史运行数据的采集与存储；基于风电场地理信息和历史运行数据，综合地实现风电场特征风机选择，并在此基础上获得风电场多元特征风况；基于风电场特征风况选择结果，通过不同的时间有限差分直接时间序列建模策略，实现特征风电机组风况的超短期多步预测，建立多步区间预测模型；定义有限差分运行域，并实现有限差分运算空间的凸划分；实现全局时间有限...
【技术保护点】
1.一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，该方法用于实现对光伏电站超短期内多个时间步长的功率预测，该方法包括：
2.根据权利要求1所述的一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，通过计算相关系数对与光伏电站功率输出相关的外生变量进行分析，仅将高度相关的变量纳入预测模型，具体包括：
3.根据权利要求1所述的一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，采用基于K近邻算法和线性插值的数据处理策略，对光伏电站缺失数据进行重构，具体包括：
4.根...
【技术特征摘要】
1.一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，该方法用于实现对光伏电站超短期内多个时间步长的功率预测，该方法包括：
2.根据权利要求1所述的一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，通过计算相关系数对与光伏电站功率输出相关的外生变量进行分析，仅将高度相关的变量纳入预测模型，具体包括：
3.根据权利要求1所述的一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，采用基于k近邻算法和线性插值的数据处理策略，对光伏电站缺失数据进行重构，具体包括：
4.根据权利要求1所述的一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，构建基于多尺度信号采样和分层插值方法的时间序列神经分层插值模型，确定模型整体结构和评估指标，具体包括：
5.根据权利要求1所述的一种基于时间序列神经分层插值模型的光伏功率超短期多步预测方法，其特征在于，采用所述时间序列神经...
【专利技术属性】
技术研发人员：罗皓文，刘佳佳，赖心怡，曾德俊，王泽亮，文福拴，
申请(专利权)人：国网湖北省电力有限公司荆门供电公司，
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。