【技术实现步骤摘要】
本专利技术属于电力系统，特别涉及基于数据序列分辨率压缩尺度优化的光伏发电量预测方法、系统及可存储介质。
技术介绍
1、准确可靠的光伏发电预测为电力系统规划、运行、稳定分析与控制、交易提供信息支撑，对提高系统综合能效、促进新能源消纳具有重要意义，是新能源电力系统安全、经济和高效运行的重要保障。
2、现有光伏功率点预测大多利用神经网络深度学习算法实现，它通过学习大量数据所展现出来的规律进行预测，因此，输入数据的特点对预测模型的性能有着很大影响，其中就包括时间分辨率的选择。在刻画一段特定时间长度的光伏出力历史数据时，选择的时间分辨率越高，得到的数据样本就越多，给模型提供了接触更多信息和模式的机会，因此拟合效果就越好。然而，对于特定时间长度的预测目标，时间分辨率的增加必定导致预测步长的增加。这会导致原问题变为多步预测，其缺点是预测误差可能会随着步数的增加而累积，导致误差不断累加放大，并且这一现象对于预测较长序列尤为明显。因此，针对光伏出力的点预测目标，构建基于数据序列分辨率压缩尺度优化的算法模型，选择最合适的输入数据的时间分辨率，可...
【技术保护点】
1.基于数据序列分辨率压缩尺度优化的光伏发电量预测方法，其特征在于，包括：
2.根据权利要求1所述的基于数据序列分辨率压缩尺度优化的光伏发电量预测方法，其特征在于，所述步骤1中，在确定输入因素时，将辐照度实测值叠加±5％的随机误差作为预测值，并作为模型的输入因素之一；将相邻时刻光伏站点的本地测量气象数据作为参考；采用若干个邻近时刻的历史出力作为输入因素。
3.根据权利要求2所述的基于数据序列分辨率压缩尺度优化的光伏发电量预测方法，其特征在于，所述步骤2具体包括：
4.根据权利要求3所述的一种基于数据序列分辨率压缩尺度优化的光伏发电量...
【技术特征摘要】
1.基于数据序列分辨率压缩尺度优化的光伏发电量预测方法，其特征在于，包括：
2.根据权利要求1所述的基于数据序列分辨率压缩尺度优化的光伏发电量预测方法，其特征在于，所述步骤1中，在确定输入因素时，将辐照度实测值叠加±5％的随机误差作为预测值，并作为模型的输入因素之一；将相邻时刻光伏站点的本地测量气象数据作为参考；采用若干个邻近时刻的历史出力作为输入因素。
3.根据权利要求2所述的基于数据序列分辨率压缩尺度优化的光伏发电量预测方法，其特征在于，所述步骤2具体包括：
4.根据权利要求3所述的一种基于数据序列分辨率压缩尺度优化的光伏发电量预测方法，其特征在于，所述步骤3具体包括：
5.根据权利要求4所述的一种基于数据序列分辨率压缩尺度优化...
【专利技术属性】
技术研发人员：陆建宇，陈文进，顾依凡，曹路，李建华，曹建伟，张思，张若伊，阙凌燕，甘雯，王梦圆，徐潇源，严正，姚虹春，秦放，
申请(专利权)人：国家电网有限公司华东分部，
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。