【技术实现步骤摘要】
本专利技术涉及光伏发电量预测领域，特别涉及一种基于回声状态网络的光伏发电量集成预测方法。
技术介绍
1、发电预测方法和装置。这些方法主要分为两种，即基于数据驱动的神经网络方法和基于机器学习的预测方法。其中，以下两种方法具有代表性：
2、(1)cn108227759a公开的一种基于神经网络预测技术的太阳能跟踪控制系统，基于数据驱动的神经网络方法：该这种方法利用多种现有因素，如太阳辐照度、环境温度、湿度和大气压力等，来预测光伏系统的输出功率。该技术使用预先构建的bp神经网络模型进行网络训练。随后将该模型直接应用于待预测数据，以生成电能功率输出预测结果。
3、(2)cn110751333a公开的一种分布式太阳能光伏发电量预测系统，采用机器学习方法：这种方法专注于关键因素，包括温度、光照等六个因素的影响。它采用线性回归来进行预测，并计算出对应的加权系数。然后，这些加权系数被用作后续预测的参考进行加权计算，并最终生成模型的预测结果。
4、由于太阳能电能预测受到多种复杂的实际影响因素，目前基于机器学习的预测模型结...
【技术保护点】
1.一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤S1中，初始太阳能发电量数据Data的获得方法如下：
3.根据权利要求1所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤S2中，基于Bagging技术的集成预测模型建立步骤如下：
4.根据权利要求3中所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤S201中，回声状态网络模型的建立过程包括：
5.根据权利要求...
【技术特征摘要】
1.一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤s1中，初始太阳能发电量数据data的获得方法如下：
3.根据权利要求1所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤s2中，基于bagging技术的集成预测模型建立步骤如下：
4.根据权利要求3中所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤s201中，回声状态网络模型的建立过程包括：
5.根据权利要求3所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤s203中，按照0.6和0.4的比例将数据集划分为训练集和测试集，训练集和测试集分别为和i∈[1,m]。
6.根据权利要求3所述的一种基于回声状态网络的光伏发电量集成预测方法，其特征在于，所述步骤s3中，包括如下步骤：
7.根据权...
【专利技术属性】
技术研发人员：王晨，朱强，王峥瀛，庄宇飞，李雨欣，尹峥，
申请(专利权)人：中国长江三峡集团有限公司，
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。