【技术实现步骤摘要】
本专利技术属于分布式光伏短期功率预测，尤其涉及基于ap聚类与迁移学习的分布式光伏功率预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、随着科学技术的不断发展，光伏发电已迅速成为继水电和风电之后的第三大可再生能源，与常规电源不同，光伏发电出力受辐照度、温度、风速和湿度等气象因素影响，间歇性、随机性和波动性大，能够准确预测光伏功率，是光伏发电技术发展的重中之重。
3、分布式光伏单机容量较小，数量极多，由于成本问题更缺少专门的气象监测装置和量测设备，且每年大量新建的光伏电站缺乏足够的历史数据。当进行光伏功率预测时，天气类型是一个关键的影响因素，因为不同辐照强度和气象条件的变化直接影响着光伏系统的发电性能和光伏面板获得的太阳辐射强度总量，而不完善的信息采集也对分布式光伏功率预测造成了一定的困难，使之难以建立高精度的预测模型，使得分布式光伏长期处于新能源调控“盲区”，给电力系统的安全经济运行与优化调度管理带来诸多挑战。
4、集中式光伏功率预测的方法...
【技术保护点】
1.基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在于，包括：
2.如权利要求1所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在于，还包括对收集的历史发电数据进行预处理，所述预处理包括异常值识别及数据清洗工作。
3.如权利要求1所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在于，所述利用AP聚类将待预测区域内多个分布式光伏电站划分为站群，具体步骤为：
4.如权利要求3所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在于，所述分布式光伏电站功率样本间的相似度，通过光伏出力曲线之间的相似度...
【技术特征摘要】
1.基于ap聚类与迁移学习的分布式光伏功率预测方法，其特征在于，包括：
2.如权利要求1所述的基于ap聚类与迁移学习的分布式光伏功率预测方法，其特征在于，还包括对收集的历史发电数据进行预处理，所述预处理包括异常值识别及数据清洗工作。
3.如权利要求1所述的基于ap聚类与迁移学习的分布式光伏功率预测方法，其特征在于，所述利用ap聚类将待预测区域内多个分布式光伏电站划分为站群，具体步骤为：
4.如权利要求3所述的基于ap聚类与迁移学习的分布式光伏功率预测方法，其特征在于，所述分布式光伏电站功率样本间的相似度，通过光伏出力曲线之间的相似度来表征，采用dtw距离来度量光伏出力曲线之间的相似度。
5.如权利要求4所述的基于ap聚类与迁移学习的分布式光伏功率预测方法，其特征在于，所述dtw距离是通过搜寻两条出力曲线之间的相似部分，并不断调整两条出力曲线不同的数据点之间的对应关系，得到两条曲线之间的最佳路径，将最佳路径的累积距离作为dtw距离。
6.如权利要求1所述的基于ap聚类与迁移学习的分布式光伏功率预测方法，其特征在于，所述功率预测模型，基于长短期记忆lstm网络构建，以待预测时间的气象数据及历史发电数据为输入，输出光伏功率的预测值。
【专利技术属性】
技术研发人员：杨明，杨宝龙，卜强生，王飞，于一潇，李梦林，王传琦，单帅杰，张元赫，周皓阳，吕朋蓬，罗飞，
申请(专利权)人：山东大学，
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。