【技术实现步骤摘要】
本专利技术涉及新能源发电，具体为一种发电功率预测方法、模型训练方法及系统。
技术介绍
1、随着全球对清洁能源的需求不断增长，新能源发电（风能、太阳能）在能源领域的地位日益重要。然而，新能源发电具有间歇性和不确定性等特点，给电力系统的稳定运行和调度带来了巨大挑战。新能源发电功率的精确预测有利于电网调度人员提早制定合理的发电计划和运行方式，统筹电力系统的调峰、调频等应对措施，对于优化电力系统运行，提高能源利用效率和保障电网安全具有重要意义。
2、现有的新能源发电功率预测方法往往难以处理复杂的非线性关系和多变量时空特征，导致预测精度有限。近年来，随着机器学习和深度学习技术的迅速发展，为新能源发电功率预测提供了新的思路和方法。深度学习方法的优势在于可拟合多变量与发电功率数据之间的复杂非线性关系，探寻新能源发电功率在时间维度上的波动规律，以提高发电功率的预测精度；但是单一结构网络模型无法准确拟合多变量和新能源发电功率间的关系，而且现有的时序预测模型不能深入挖掘众多变量之间的关联信息，因此直接影响了发电功率的预测精度。
【技术保护点】
1.一种发电功率预测模型的训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种发电功率预测模型的训练方法，其特征在于，所述气象数据包括风速、风向、气温、气压和相对湿度，将风速、风向、气温、气压和相对湿度作为变量，确定各变量与实际发电功率的相关度。
3.根据权利要求2所述的一种发电功率预测模型的训练方法，其特征在于，所述重构气象数据，得到气象数据的多维时序数据，包括：
4.根据权利要求3所述的一种发电功率预测模型的训练方法，其特征在于，所述确定各时刻不同高度位置的气象数据中各变量与对应的实际发电功率的相关度，包括：>
5.根据权利...
【技术特征摘要】
1.一种发电功率预测模型的训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种发电功率预测模型的训练方法，其特征在于，所述气象数据包括风速、风向、气温、气压和相对湿度，将风速、风向、气温、气压和相对湿度作为变量，确定各变量与实际发电功率的相关度。
3.根据权利要求2所述的一种发电功率预测模型的训练方法，其特征在于，所述重构气象数据，得到气象数据的多维时序数据，包括：
4.根据权利要求3所述的一种发电功率预测模型的训练方法，其特征在于，所述确定各时刻不同高度位置的气象数据中各变量与对应的实际发电功率的相关度，包括：
5....
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。