CN119482456B 一种基于kan的光伏功率预测方法及系统 （华南理工大学）

本发明公开了一种基于KAN的光伏功率预测模型；使用光伏出力日前预测模型预测光伏功间点的变量特征，学习各个输入变量特征的关2所述光伏出力日前预测模型包括空间特征提取模块、时序特征提取模合及预测功率输出模块；所述空间特征提取模块与所述时序特征提取模块并行提取特征，提取的特征输入至时空特征融合及预测功率输出模块以输出光伏功率预测所述空间特征提取模块包括改进后的深度KAN，改进后的深度KAN包括多个基本单元，2.根据权利要求1所述的一种基于KAN的光伏功率;数据集的数据数量，max(data)和min(data)分别为原始数据集data中同类型数据的最大值和最小值,doai,为da归一化后数据值；3.根据权利要求1所述的一种基于KAN的;inputao为输入3;;其中A为第g头注意力机制计算结果，e:、,、V.分别为第g头注意力机制的查询阵，是指对的每一行向量进行运算，设某一行向量为;;;其中为多头注意力机制计算结果拼接后的矩阵，为第G头注意力机制计算结果，wtime4.根据权利要求3所述的一种基于KAN的光伏功率预测;将训练集的天气特征输入至光伏出力日前预测模型，光伏出力日前;4为真实输出功率序列的第p个元素，j-[i,5-4]为模型输出预测序列，为模型输出j的序列长度。将测试集的天气特征输入训练好的光伏出力日前预测模型，光伏出;8.实现权利要求1~7任一项所述的一种基于KAN的光伏功所述空间特征提取模块用于提取样本数据中同一时间点变量所述时序特征提取模块用于提取样本数据中不同时间点变量所述时空特征融合及预测功率输出模块的作用是将空间特5[0001]本发明涉及风电功率预测领域，具体涉及一种基于KAN的光伏功率预测方法及系（BidirectionalLongShort_TermMemory,BiLSTM）、卷积神经网络(Convolutional足之处在于，它们都是将不可学习的激活函数放置于神经元上，使得模型的非线性拟合能致预测精度受限。[0012]b）将天气特征和输出功率缺失或超出正常范围的数据点用相邻两时刻的平均值[0015]其中data,是原始数据集data中的第u个数据，data-[datan,…data…dataol代表6型数据的最大值和最小值,daa,为data,归一化后数据值；kk;7矩阵，是指对的每一行向量进行运算，设某一行向量为[0033]其中A为多头注意力机制计算[0036]其中F-[oucpul,sa,oupuln]，分别空间特征提取模块和时序特8[0049]43）将预处理后的天气特征数据输入至达到测试要求的光伏出力日前预测模型[0053]实现所述的一种基于KAN的光伏功率预测方法的系统，包括光伏出力日前预测模[0056]所述时空特征融合及预测功率输出模块的作用是将空间特征与时序特征进行融9光伏出力日前预测模型以科尔莫戈洛夫_阿诺德网络(Kolmogorov_ArnoldNetworksKAN)为基本架构，整个模型的结构示意图如图2所示，整个光伏出力日前预测模型分为三个模[0068]科尔莫戈洛夫_阿诺德网络(Kolmogorov_ArnoldNetworksKAN)是受Kolmogorov_Arnold表示定理(Kolmogorov–ArnoldRepresentationTheoremKART)启发w用于控制可学习激活函数的整体大小。;[0080]图1所示的KAN为两个KAN层堆叠构成，第一个KAN层输入为，输出为[0081]本发明所述的空间特征提取模块的作用是提取样本数据中同一时间点的变量特征，用于学习同一时间点各个输入天气变量之间相互作用对该时间点的光伏功率的影响。通过引入跳跃连接（skipconnections如图2中空间特征提取模块中所示的跳跃连接跃连接为基本单元，如图2的空间特征提取模块中所示的基本单元，后面跟随的数字为编取输入特征之间的空间关系。w;A为第g头注意力机制计算结果，、,、"分别为第g头注意力机制的查询矩阵、键矩阵、值矩阵，一共有G头注意力机制；softmax(•)为激活函数，设向量,softmax(z)的计算为：[0096]其中A为多头注意力机制计算结果拼接后的矩阵，AC为第G头注意力机制计算结[0097]所述时空特征融合及预测功率输出模块的作用是将时序特征提取模块提取到的时序特征提取模块的输出结果，w、b为全连接层的权重矩阵和偏置，p为预测的光伏功[0101]实现所述的一种基于KAN的光伏功率预测系统的光伏功率预测方法，整个光伏功[0103]从待应用的光伏场站获取历史数据作为原始数据集，这些数据需要包含天气特[0105]a）将输出功率为0所对应的天气特征置为0，因为此时光伏发电机组尚未开始工[0109]其中dara,是原始数据集data中的第u个数据，data-[data,…datas…datavl代大值和最小值,daa,为data,归一化后数据值。j的序列长度。[0123]根据国家标准，光伏出力日前预测模型的预测精度须达到月获取数值天气预报的天气特征作为光伏出力日前预测模型的输入以进行所展示的仿真实验结果皆为基于min_max归一化后的数据值，且由于该数据集缺乏开机容的深度KAN在本发明的光伏出力日前预测模型中作为空间特征提取模块提取输入数据的特[0135]为了对比突出本发明改进后的深度KAN对深层次特征的强大提取能力，现对现有而体现各模型对不同输入特征的提取能力。利用下式计算输出功率与各输入变量的结果的评价指标计算结果如表2。其中变化率是指当前方案对应上一方案在同一模型