【技术实现步骤摘要】
本专利技术涉及光伏发电，特别是一种基于深度学习的智能光伏发电量预测与自我学习的方法。
技术介绍
1、随着光伏发电技术的广泛应用，准确预测光伏发电量成为提升电网调度效率和光伏系统经济性的关键技术。然而，现有光伏发电量预测方法在复杂气象条件、动态环境变化及长期预测精度方面仍存在显著不足，难以满足高比例可再生能源接入电网的需求。
2、经检索，公告号为cn117220287b的中国专利技术专利公开了一种发电量预测方法，公开日期为2024年2月6日。该专利提出了一种基于pca降维技术和cnn-nlstm-attention模型的发电量预测方法，通过主成分分析对原始数据进行降维，并利用卷积神经网络提取时间序列特征、长短时记忆网络分析历史数据，结合注意力机制优化预测结果。然而，该技术方案主要依赖于静态模型训练，缺乏在线增量学习能力，无法根据实时运行数据动态调整模型参数，导致其在应对云层快速移动、季节性辐照波动等动态环境变化时的鲁棒性较差。此外，该方法未充分考虑跨区域、跨季节的预测知识迁移问题，限制了其在多场景下的泛化能力。
3...
【技术保护点】
1.一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，所述采集光伏电站运行过程中的多源异构数据，包括步骤：
3.根据权利要求2所述的一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，所述预处理，具体为：
4.根据权利要求1所述的一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，所述通过神经网络对所述标准化特征集进行在线增量学习，生成发电量初始预测结果；通过奖励函数对发电量初始预测结...
【技术特征摘要】
1.一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，所述采集光伏电站运行过程中的多源异构数据，包括步骤：
3.根据权利要求2所述的一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，所述预处理，具体为：
4.根据权利要求1所述的一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，所述通过神经网络对所述标准化特征集进行在线增量学习，生成发电量初始预测结果；通过奖励函数对发电量初始预测结果进行量化评估和优化，生成发电量预测模型的初始参数，包括步骤：
5.根据权利要求1所述的一种基于深度学习的智能光伏发电量预测与自我学习的方法，其特征在于，所述对多个区域和季节的历史光伏发电量数据进行知识迁移，生成跨区域、季节的知识迁移矩阵，包括步骤：
6.根据权利要求5所述的一种基于深度学习的...
【专利技术属性】
技术研发人员：严强，罗永生，陈赐健，李国光，梁晋源，黄修奎，王鹏，项燚鑫，张剑峰，陈相豪，
申请(专利权)人：广东顺畅科技有限公司，
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。