• 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    基于數據挖掘的光伏發電預測方法及裝置制造方法及圖紙

    技術編號:40582787 閱讀:17 留言:0更新日期:2024-03-06 17:26
    本發明專利技術提供一種基于數據挖掘的光伏發電預測方法及裝置,涉及數據處理技術領域,包括:獲取目標光伏設備的待預測數據;通過預先構建的集成預測模型對待預測數據進行發電量進行預測,輸出集成預測結果和對應的置信度;基于置信度對集成預測結果中包括的多個預測結果進行加權計算,得出目標光伏設備的預測光伏發電量。本發明專利技術引入置信度概念,使模型預測結果更加準確和可信,將多個模型的預測結果進行融合,可以增強預測結果的穩定性和可靠性。集成預測模型是基于完全集合經驗模態分解的深度置信網絡算法和基于量子編碼的神經網絡優化算法構建,能夠避免特征冗余和過擬合問題,并更容易找到全局最優解,顯著提高光伏發電預測準確性。

    【技術實現步驟摘要】

    本專利技術涉及數據處理,尤其涉及一種基于數據挖掘的光伏發電預測方法及裝置


    技術介紹

    1、隨著全球氣候變化和資源枯竭的問題日益嚴重,可再生能源,特別是太陽能,已經成為越來越受重視的能源形式。光伏發電作為一種清潔、可再生的能源,其開發和利用對于減少溫室氣體排放、保護生態環境、確保能源安全等方面具有重要意義。然而,光伏發電也面臨著許多挑戰,其中之一就是其產量的可預測性和穩定性。由于太陽能的可利用性受到許多因素的影響,如天氣條件、季節變化、地理位置等,因此光伏發電的輸出功率具有很高的不確定性和波動性。

    2、為了確保電網的穩定運行和光伏能源的有效利用,對光伏發電量進行準確預測變得至關重要。通過準確的預測,電網運營商可以提前進行調度和優化,以確保電網的平衡和穩定。


    技術實現思路

    1、有鑒于此,本專利技術的目的在于提供一種基于數據挖掘的光伏發電預測方法及裝置,能夠顯著提高光伏發電預測的準確性。

    2、第一方面,本專利技術實施例提供一種基于數據挖掘的光伏發電預測方法,其中,該方法包括:獲取目標光伏設備的待預測數據;其中,待預測數據包括目標光伏設備的生產數據、環境數據和電網的運行數據;對待預測數據向量化處理,生成待預測數據對應的特征向量;將特征向量輸入至預先構建的集成預測模型,使集成預測模型基于特征向量對目標光伏設備的發電量進行預測,并輸出集成預測結果,以及集成預測結果對應的置信度;集成預測模型是通過預先構建的訓練樣本集訓練的,且,基于完全集合經驗模態分解的深度置信網絡算法和基于量子編碼的神經網絡優化算法構建;基于置信度對集成預測結果中包括的多個預測結果進行加權計算,得出目標光伏設備對應的預測光伏發電量。

    3、本專利技術實施例帶來了以下有益效果:本專利技術提供的一種基于數據挖掘的光伏發電預測方法及裝置,在預測過程中引入了置信度概念,使得模型的預測結果更加準確和可信。此外,還涉及集成學習的思想:通過將多個模型的預測結果進行融合,能夠進一步增強了預測的穩定性和準確性。通過集成學習和基于置信度的模型選擇機制,確保了預測結果的穩定性和可靠性。通過準確的預測,有助于光伏能源的合理調度和有效利用,從而促進可再生能源的推廣和應用。基于此,本專利技術能夠顯著提高光伏發電預測的準確性。

    4、本專利技術的其他特征和優點將在隨后的說明書中闡述,并且,部分地從說明書中變得顯而易見,或者通過實施本專利技術而了解。本專利技術的目的和其他優點在說明書以及附圖中所特別指出的結構來實現和獲得。

    5、為使本專利技術的上述目的、特征和優點能更明顯易懂,下文特舉較佳實施例,并配合所附附圖,作詳細說明如下。

    本文檔來自技高網...

    【技術保護點】

    1.一種基于數據挖掘的光伏發電預測方法,其特征在于,所述方法包括:

    2.根據權利要求1所述的方法,其特征在于,基于所述置信度對所述集成預測結果中包括的多個預測結果進行加權計算,得出所述目標光伏設備對應的預測光伏發電量的步驟,包括:

    3.根據權利要求1所述的方法,其特征在于,所述集成預測模型的構建方法包括:

    4.根據權利要求3所述的方法,其特征在于,通過預設的特征提取算法對所述訓練樣本集進行特征提取,確定所述訓練樣本集對應的目標特征集的步驟,包括:

    5.根據權利要求4所述的方法,其特征在于,使用預設的評價函數對所述初始特征子集進行評價的步驟,包括:

    6.根據權利要求3所述的方法,其特征在于,將所述目標特征集輸入至預設的神經網絡中,對所述神經網絡進行訓練,并根據訓練好的神經網絡構建集成預測模型的步驟,包括:

    7.根據權利要求6所述的方法,其特征在于,基于所述神經網絡輸出,對所述神經網絡的神經網絡參數進行優化的步驟,包括:

    8.根據權利要求3所述的方法,其特征在于,所述方法還包括:

    9.根據權利要求8所述的方法,其特征在于,通過預設的數據擴充算法生成所述初始樣本集在預設條件下的擴充數據的步驟,包括:

    10.一種基于數據挖掘的光伏發電預測裝置,其特征在于,所述裝置包括:

    ...

    【技術特征摘要】

    1.一種基于數據挖掘的光伏發電預測方法,其特征在于,所述方法包括:

    2.根據權利要求1所述的方法,其特征在于,基于所述置信度對所述集成預測結果中包括的多個預測結果進行加權計算,得出所述目標光伏設備對應的預測光伏發電量的步驟,包括:

    3.根據權利要求1所述的方法,其特征在于,所述集成預測模型的構建方法包括:

    4.根據權利要求3所述的方法,其特征在于,通過預設的特征提取算法對所述訓練樣本集進行特征提取,確定所述訓練樣本集對應的目標特征集的步驟,包括:

    5.根據權利要求4所述的方法,其特征在于,使用預設的評價函數對所述初始特征子集進行評價的步驟,...

    【專利技術屬性】
    技術研發人員:羅文潔彭艷菲王翠青王濤劉笑趙一橦王馨苒董娜隋琦呂明洋楊青夏銘澤
    申請(專利權)人:山東理工職業學院
    類型:發明
    國別省市:

    網友詢問留言 已有0條評論
    • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

    1
    主站蜘蛛池模板: 免费无遮挡无码永久在线观看视频 | 成人免费午夜无码视频| 熟妇人妻AV无码一区二区三区| 亚洲AV日韩AV永久无码绿巨人| 无码成人精品区在线观看| 免费无码又爽又刺激毛片| 久久精品aⅴ无码中文字字幕| 无码国产精成人午夜视频不卡| 亚洲午夜无码片在线观看影院猛| 日韩精品人妻系列无码专区 | 亚洲aⅴ天堂av天堂无码麻豆| 亚洲精品无码AV中文字幕电影网站| 无码人妻AⅤ一区二区三区| 人妻丰满熟妇A v无码区不卡| 亚洲一区二区无码偷拍| 亚洲AV无码成人精品区在线观看| 69成人免费视频无码专区 | 国产精品无码专区AV在线播放| 亚洲精品无码成人片久久| 永久免费av无码网站大全| 亚洲AV无码精品蜜桃| 无码人妻精品一区二区三区99仓本| 尤物永久免费AV无码网站| 伊人无码精品久久一区二区| 无码人妻AV免费一区二区三区| 亚洲AV无码一区二区乱孑伦AS| 精品无码久久久久久久动漫| 色综合久久久无码中文字幕波多| 91嫩草国产在线无码观看| 午夜福利无码不卡在线观看 | 国产精品无码一区二区三区毛片 | 亚洲AV永久无码区成人网站| 国产精品无码素人福利| 国产精品无码一本二本三本色| 精品国产性色无码AV网站| 最新无码专区视频在线| 性虎精品无码AV导航| 久久亚洲中文无码咪咪爱| 亚洲a∨无码精品色午夜| 日韩免费无码一区二区视频| 无码精品人妻一区二区三区影院|