【技术实现步骤摘要】
本专利技术涉及光伏功率预测领域，更具体的说是涉及一种基于vecm的改进rfnn-qlstm的光伏功率预测方法及系统。
技术介绍
1、光伏功率预测是降低光伏出力随机性不利影响的一项关键技术，一般基于气象预报数据、光伏功率数据和气象观测数据等动态数据，结合光伏场站位置和设备参数等信息进行建模，预测未来一段时间内光伏的出力变化趋势，能够有力支撑电网调度、检修计划、安稳分析、新能源消纳分析等多项业务开展。
2、光伏功率预测方法一般分为两类:物理模型和数据驱动模型。现有技术提出了一种改进的深度学习算法将长短期记忆网络和人工神经网络应用于预测模型。这项研究主要集中在参数优化和模型优化上，对比单个深度学习算法表现出更好的性能。
3、天气条件变化引起的原始数据波动特征，这可能会影响预测的准确性。分析和降低原始数据的波动特征，可以进一步提高短期光伏功率预测方法的准确性。现有技术还采用小波包分解技术对光伏功率时间序列进行分析。与传统方法相比，该方法将分解后的时间序列整合到预测模型中，减少了预测误差。但是此方法注重捕捉微小尺度上的波动...
【技术保护点】
1.一种基于VECM的改进RFNN-QLSTM的光伏功率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于VECM的改进RFNN-QLSTM的光伏功率预测方法，其特征在于，在向量自回归模型基础上引入误差修正项，得到向量误差修正模型，公式如下：
3.根据权利要求2所述的一种基于VECM的改进RFNN-QLSTM的光伏功率预测方法，其特征在于，对完成构建的向量误差修正模型依次进行约翰森协整关系检验和模型稳定性检验，并进行协整结果分析，识别光伏数据中的变量关系。
4.根据权利要求1所述的一种基于VECM的改进RFNN-QLST...
【技术特征摘要】
1.一种基于vecm的改进rfnn-qlstm的光伏功率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于vecm的改进rfnn-qlstm的光伏功率预测方法，其特征在于，在向量自回归模型基础上引入误差修正项，得到向量误差修正模型，公式如下：
3.根据权利要求2所述的一种基于vecm的改进rfnn-qlstm的光伏功率预测方法，其特征在于，对完成构建的向量误差修正模型依次进行约翰森协整关系检验和模型稳定性检验，并进行协整结果分析，识别光伏数据中的变量关系。
4.根据权利要求1所述的一种基于vecm的改进rfnn-qlstm的光伏功率预测方法，其特征在于，量子长短期记忆网络模型的构建方法包括：
5.根据权利要求4所述的一种基于v...
【专利技术属性】
技术研发人员：林琳，张云山，李士林，许津豪，高鹏琛，张皓，孙晓鸣，蔺梦岩，
申请(专利权)人：吉林化工学院，
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。