【技术实现步骤摘要】
本专利技术属于光伏发电功率预测，具体涉及一种基于多种模态分解的多时间尺度光伏发电功率预测方法。
技术介绍
1、随着全球化和工业化的推进，能源需求不断上升，化石燃料的消耗引发温室气体排放增加，加剧全球变暖，影响生物多样性和人类环境。在此背景下，可再生能源开发尤为重要，光伏发电凭借清洁、无污染等优势，成为低碳经济发展的关键。然而，光伏发电受太阳辐射间歇性和环境波动影响，会产生输出功率不稳定的问题，这对电力系统的运行、调度和规划带来了诸多挑战。为此，光伏发电功率预测成为研究重点。
2、光伏发电功率预测可分为超短期（几秒至30分钟）、短期（30至360分钟）、中期（6至24小时）和长期（24小时以上）预测，分别应用于实时调度、经济负荷调度、系统维护和长期规划等场景。主流预测方法包括物理模型、统计模型和人工智能模型。物理模型基于太阳辐射特性与光伏系统参数，具备理论性强但计算资源需求高的特点；统计方法如自回归、模糊理论等，适合短期预测，但对非线性关系处理能力有限；人工智能模型（尤其深度学习）凭借强大的非线性建模能力和大数据训练优势，成为...
【技术保护点】
1.基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的子序列集合中的每一个子序列均作为一个特征加入数据样本集中。
3.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的步骤三中，分别选取子序列集合A和子序列集合B中的第一子序列进行信号分解。
4.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的步骤二中的信号处理方法分别为奇异谱分析和完全自...
【技术特征摘要】
1.基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的子序列集合中的每一个子序列均作为一个特征加入数据样本集中。
3.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的步骤三中，分别选取子序列集合a和子序列集合b中的第一子序列进行信号分解。
4.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的步骤二中的信号处理方法分别为奇异谱分析和完全自适应噪声集合经验模态分解；所述的奇异谱分析方法如下：
5.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的步骤三中，采用变分模态分解方法对第一子序列进行信号分解。
6.根据权利要求1所述的基于多种模态分解的多时间尺度光伏发电功率预测方法，其特征在于：所述的步骤一中，气象数据包括柱云水含量、柱云冰...
【专利技术属性】
技术研发人员：胡克用，傅哲毅，郎春元，王奔，孙水发，张宇，
申请(专利权)人：杭州师范大学，
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。