申请/专利权人：国网新源集团有限公司;湖南黑麋峰抽水蓄能有限公司;武汉大学

申请日：2023-12-27

公开（公告）日：2024-04-16

公开（公告）号：CN117892219A

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/2431;G06F18/2137;G06F18/23;G06F18/27;G06N3/0455;G06N3/088;G06Q50/06;H02J3/00;H02J3/46

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及光伏出力日前预测技术，具体涉及一种基于分类学习的光伏出力日前预测方法及设备，该方法包括：针对四个季节的光伏出力资料，应用非监督式自组织映射神经网络，构建全日整体、分时段、单点评价指标体系，聚类分析四个季节光伏出力特性；针对不同光伏出力聚类，考虑外源气象因子和自回归光伏出力输入，构建基于自注意力机制和编码‑解码架构的深度神经网络模型，对不同季节的光伏出力进行日前分类预测；基于准确性评价指标，评估不同季节的光伏出力日前预测精度，编制光伏出力日前计划。该方法可大幅提高分类界限、典型出力特性、模型预测准确性；通过确定性神经网络模型方法，可有效降低模型误差，提升数据生成的准确性和时效性。

主权项：1.一种基于分类学习的光伏出力日前预测方法，其特征在于，包括以下步骤：收集四个季节的光伏出力数据，适配相应维度的非监督式自组织映射神经网络，对光伏出力数据进行聚类降维，得到不同的光伏出力聚类结果，构建全日整体、分时段、单点评价指标体系，分析四个季节的光伏出力特性；针对不同的光伏出力聚类结果，考虑外源气象因子和自回归光伏出力输入，构建基于自注意力机制和编码-解码架构的深度神经网络模型，对不同季节的光伏出力进行日前分类预测；基于准确性评价指标，评估不同季节的光伏出力日前预测精度，编制光伏出力日前计划。

全文数据：

权利要求：

百度查询： 国网新源集团有限公司;湖南黑麋峰抽水蓄能有限公司;武汉大学 一种基于分类学习的光伏出力日前预测方法及设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD