CN118316021B 基于ap聚类与迁移学习的分布式光伏功率预测方法及系统 （山东大学）

基于AP聚类与迁移学习的分布式光伏功率本发明提出了基于AP聚类与迁移学习的分2步骤S1：收集待预测区域内各分布式光伏电站的历史步骤S2：基于历史发电数据，利用近邻传其中，所述利用AP聚类将待预测区域内多个分布式光伏电站其中，所述待预测时间的气象数据是将源域的气象2.如权利要求1所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在3.如权利要求1所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在4.如权利要求3所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在35.如权利要求4所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在6.如权利要求1所述的基于AP聚类与迁移学习的分布式光伏功率预测方法，其特征在运用LSTM算法对源域进行功率预测的建模，得到源域的功率预测模利用模型微调的思想，对所述功率预测模型前7.基于AP聚类与迁移学习的分布式光伏功率预其中，所述利用AP聚类将待预测区域内多个分布式光伏电站其中，所述待预测时间的气象数据是将源域的气象8.如权利要求7所述的基于AP聚类与迁移学习的分布式光伏功率预测系统，其特征在49.如权利要求8所述的基于AP聚类与迁移学习的分布式光伏功率预测系统，其特征在寻两条出力曲线之间的相似部分，并不断调整两条出力曲线不同的数据点之间的对应关5[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技[0005]集中式光伏功率预测的方法主要适用于具有气象采集系统和功率信息完备的光累加法没有考虑到不同电站之间的相关性，且无法有效应对集群电站功率的非线性变化；功率预测方法及系统，使用近邻传播(Affinityp67执行时实现如本发明第一方面所述的基于AP聚类与迁移学习的分布式光伏功率预测方法中提取出相似气象资源下的功率预测模型特征，再对目标域光伏电站预测模型进行粗略8[0060]本公开的一种实施例中提供了基于AP聚类与迁移学习的分布式光伏功率预测方[0063]对于异常值的处理，由于原始的光伏功率与气象数据可[0067]光伏电站的电力输出受到地理地形和气候条件的显著影响，在不同的气象状况有必要对这些电站进行进一步的子集群划分,这样可以更充分地挖掘分布式光伏电站间的9[0072]任意2台光伏出力曲线之间的相似度可以通过二者之间的距离来进行度量，二者[0090](4)若超过预设的迭代次数或聚类划分不再改变，转向下一步，否则改变参考值[0091](5)在当前参考值下根据聚类结果计算轮廓系数，确定聚类中心及各类光伏电站定的聚类结果，本实施例选取轮廓系数(silhouettecoefficient)对聚类结果进行评估，[0102](2)将每类光伏电站群最具相关性的聚类中心电站选取为源域，其他电站划分为[0106](6)基于山东大学PSEO团队研发的全国3公里×3公里精细化数值天气预报产品，[0115]源域和目标域的任务是在合适的映射函数fs和ft中寻找对应映射需要说明的是，不同光伏电站所积累的历史数据中各种气象专业天气类型的分布存在差t-1表示隐藏单元[0153]本公开的一种实施例中提供了基于AP聚类与迁移学习的分布式光伏功率预测系公开实施例一所述的基于AP聚类与迁移学习的分布式光伏功率预测述处理器执行所述程序时实现如本公开实施例一所述的基于AP聚类与迁移学习的分布