CN119419753A 一种基于照射环境加权算法的光伏场站功率预测系统及方法 （南京雀翼信息科技有限公司）

一种基于照射环境加权算法的光伏场站功别涉及一种基于照射环境加权算法的光伏场站果输出并根据评估结果不断迭代改进深度学习2云层覆盖情况和大气质量指数的多维度气象数据以及从光伏电站的历史运行记录中提取特征提取模块，所述特征提取模块根据光伏电站的物理特性动态权重分配模块，所述动态权重分配模块根据不同气象因素对光伏发电的影响程深度模型构建模块，所述深度模型构建模块用于建立能够捕捉数据中预测结果输出模块，所述预测结果输出模块根据当前和未来的气误差评估与迭代更新模块，所述误差评估与迭代更新模块根据评估结应用场景适应性调整模块，所述应用场景适应性调整模块2.根据权利要求1所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特A1、在光伏电站配备气象传感器和遥感仪器，通过气象传感器实时监A2、通过无线网络模组将气象数据、云层覆盖性况数据和大气质量指数数A4、对收集到的原始气象数据进行数据处理，数据处理包括数据清洗和缺3.根据权利要求2所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特3B6、计算各特征与光伏发电功率之间的相关性，通过交叉验4.根据权利要求3所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特h=arcsin(sin(D)xsin()+cos(J)xcosh。5.根据权利要求4所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特gj=1-ej其中"为指标个数；4C6、计算指标权重wi，再将指标权重wi与第j项的权重wj结合，计算综合权重w'，6.根据权利要求5所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特7.根据权利要求6所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特8.根据权利要求7所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特数据以及电站状态信息输入到训练好的深度学习模型中，生成实时的发电功率预测结果，59.根据权利要求8所述的一种基于照射环境加权算法的光伏场站功率预测系统，其特误差AS计算公式如下：S2、通过特征提取模块根据光伏电站的物理特性S3、利用动态权重分配模块根据不同气象因素S4、通过深度模型构建模块建立能够捕捉数据中S5、通过自适应调整模块在深度学习模型训练过程中S7、根据预测结果输出模块评估结果通过误差评6[0002]光伏场站功率预测系统是一种基于数据分析和模型预测的技术，通过对历史数系统，包括根据光伏场站历史功率数据和对应时间段的气象数据构建训练样本集,并对训练样本集中各个训练样本分配样本权重;采用对训练样本集通过自助抽样法生成的子样本集训练随机森林模型,并根据自适应增强算法计算当前样本权重下随机森林模型的误森林模型,根据权重系数对其加权得到加权随机森林预测模型;采用加权随机森林预测模型对待预测时间段的气象数据进行预测,得到光伏场站发电功率。充分挖掘多维特征中的因此我们需要提出一种基于照射环境加权算法的光伏场站功率预测系统及方法来解决上述存在的问题，使其能够采用动态权重分配策略根据样本的重要性或代表性来调整其权7,其中，Dn为将公历日期转换为一年中的日期序数；8[0045]C6、计算指标权重wi，再将指标权重wi与第j项的权重wj结合，计算综合权重9[0069]进一步的，基于以上叙述的一种基于照射环境加权算法的光伏场站功率预测系情况和大气质量指数的多维度气象数据以及从光伏电站的历史运行记录中提取发电功率误差评估结果不断调整深度学习模型参数和结,其中，Dn为将公历日期转换为一年中的日期序数；[0111]通过上述计算方式能够准确计算出光伏电站所在地在任意给定时间的太阳高度光伏发电功率之间的相关系数大小，可以初步判断哪些特征与光伏发电功率关系更为密提升这种方法能够有效避免过拟合问题。[0133]C6、计算指标权重wi，再将指标权重wi与第j项的权重wj结合，计算综合权重数据以及电站状态信息输入到训练好的深度学习模型中，生成实时的发电功率预测结果，[0158]所述误差评估与迭代更新模块根据预测结果输出模块的预测结果计算误差值AS,误差AS计算公式如下：情况和大气质量指数的多维度气象数据以及从光伏电站的历史运行记录中提取发电功率误差评估结果不断调整深度学习模型参数和结