申请/专利权人:江苏润和软件股份有限公司
申请日:2023-12-25
公开(公告)日:2024-03-26
公开(公告)号:CN117764346A
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06N5/01;G06N20/20;G06Q50/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明公开的基于PCC‑XGBoost光伏系统清洗策略生成方法,包括:获取与光伏系统运行相关的原始数据;将数据划分为训练集、测试集;获取当前日期气象数据,采用PCC算法与历史气象数据进行相似性计算,得到特征向量;采用SMOTE算法对数据量较小类别进行采集,以消除数据不均衡;采用XGBoost算法构建光伏清洗策略模型,输入训练集的特征数据和标签数据,优化模型参数;采用测试集进行验证,将测试集的特征数据输入训练好的光伏清洗策略模型,模型输出为光伏系统清洗策略,将模型输出与测试集的标签数据做对比,以验证模型输出的可靠性。本发明利用相似性原理获取与当前日期气象条件最为相似的历史发电数据,从而保证决策模型的准确性。
主权项:1.基于PCC-XGBoost光伏系统清洗策略生成方法,其特征在于,包括如下步骤:S1:获取与光伏系统运行相关的原始数据,包括气象数据、日期类型数据、历史发电数据、当前发电数据和光伏清洗数据;S2:对S1获取的数据进行预处理,将预处理后的数据划分为训练集、测试集,进行特征向量的构建,获取当前日期气象数据,采用PCC算法与历史气象数据进行相似性计算,得到相似度最高的N个历史气象数据,将N个历史气象数据对应的历史发电数据与当前日期气象数据、日期类型数据、当前发电数据拼接成特征向量;基于特征向量生成特征数据,基于光伏清洗数据生成标签数据,所述标签数据用于表示对应日期的光伏系统清洗策略,所述训练集、测试集均分为特征数据、标签数据;S3:采用SMOTE算法对数据量较小类别进行采集,以消除数据不均衡;S4:采用XGBoost算法构建光伏清洗策略模型,输入训练集的特征数据和标签数据,通过拟合特征数据与标签数据之间的相关性,以缩短预测值与真实值之间的差距为目标,不断优化模型参数,得到训练好的光伏清洗策略模型;采用测试集进行验证,将测试集的特征数据输入训练好的光伏清洗策略模型,模型输出为光伏系统清洗策略,将模型输出与测试集的标签数据做对比,以验证模型输出的可靠性。
全文数据:
权利要求:
百度查询: 江苏润和软件股份有限公司 基于PCC-XGBoost光伏系统清洗策略生成方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。