【技术实现步骤摘要】
本专利技术属于光功率预测领域，尤其涉及一种基于人工智能的光功率预测方法及系统。
技术介绍
1、随着可再生能源的快速发展，光伏发电在全球范围内被广泛应用于电力系统中。由于光伏发电高度依赖环境因素，如太阳辐照度、云层变化、风速、温度等，其输出功率具有显著的非线性波动性和不确定性。为保障电网的安全稳定运行，需要对光伏系统的输出功率进行高精度的短期预测，从而实现有效的调度管理与能量优化。然而，现有的光功率预测方法多基于时间序列建模、统计学习或深度学习技术，虽然在理想或稳定气候条件下可取得一定效果，但在面对突发天气变化、复杂地形遮挡、组件老化或故障等非理想场景时，预测精度仍存在严重不足。
2、传统的统计模型(如arima等)在应对非平稳性和强波动性方面能力有限，而现有的基于机器学习的模型(如lstm、gru、cnn、transformer等)虽然具有一定的拟合能力，但多数方法在模型结构上是静态的，即无论输入数据是否发生突变，模型预测路径固定，缺乏对突发性气象变化的感知与动态应对机制。此外，大多数方法仍以站点级或系统级功率为建模对象，忽...
【技术保护点】
1.一种基于人工智能的光功率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能的光功率预测方法，其特征在于，所述改进图神经网络，具体包括：
3.根据权利要求2所述的一种基于人工智能的光功率预测方法，其特征在于，所述第l层时扰动传播权重基于历史功率协同变动数据与结构边属性联合建模的边权函数确定，表示为：
4.根据权利要求1所述的一种基于人工智能的光功率预测方法，其特征在于，所述光伏发电的多数据源信息包括卫星云图序列、辐照度、风速与风向、以及光伏组件的工作状态数据。
5.根据权利要求4所述的一种基...
【技术特征摘要】
1.一种基于人工智能的光功率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能的光功率预测方法，其特征在于，所述改进图神经网络，具体包括：
3.根据权利要求2所述的一种基于人工智能的光功率预测方法，其特征在于，所述第l层时扰动传播权重基于历史功率协同变动数据与结构边属性联合建模的边权函数确定，表示为：
4.根据权利要求1所述的一种基于人工智能的光功率预测方法，其特征在于，所述光伏发电的多数据源信息包括卫星云图序列、辐照度、风速与风向、以及光伏组件的工作状态数据。
5.根据权利要求4所述的一种基于人工智能的光功率预测方法，其特征在于，所述基于所述多模态输入张量，确定每一时刻的扰动判据，具体包括：
6.根据权利要求1所述的一种基于人工智能的光功率预测方...
【专利技术属性】
技术研发人员：林云雄，
申请(专利权)人：黑龙江省第二地质勘查院，
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。