CN119539215A 一种基于短临气象预报的超短期光伏功率预测方法及系统 (国网浙江省电力有限公司温州供电公司)_第1页
CN119539215A 一种基于短临气象预报的超短期光伏功率预测方法及系统 (国网浙江省电力有限公司温州供电公司)_第2页
CN119539215A 一种基于短临气象预报的超短期光伏功率预测方法及系统 (国网浙江省电力有限公司温州供电公司)_第3页
CN119539215A 一种基于短临气象预报的超短期光伏功率预测方法及系统 (国网浙江省电力有限公司温州供电公司)_第4页
CN119539215A 一种基于短临气象预报的超短期光伏功率预测方法及系统 (国网浙江省电力有限公司温州供电公司)_第5页
已阅读5页,还剩24页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于短临气象预报的超短期光伏功率本发明公开了一种基于短临气象预报的超2获取目标发电区域的历史气象数据,其中,所述历史气象数据获取所述目标发电区域中目标光伏电力设备的历史功率数据基于引入特征对比损失机制的生成对抗网络构建初始气象功获取所述目标发电区域的短临气象预报数据,并将所述从历史气象数据库中提取目标发电区域的历史气建立与所述目标发电区域中目标光伏电力设备的通信连接,以获取述时间序列数据包括对应于每一时间点的历史气象数据和历史序列特征数据包括对应于每一时间段的气象统基于深度神经网络结构分别构建生成器和判别器,其中,所述生在所述生成器和所述判别器之间引入特征对比损失机制,基于所述训练集对所述初始气象功率预测模型进行迭代训练,并根3基于所述训练集对所述初始气象功率预测模型进行训练,得到中间气象功率预测模基于所述验证集对所述中间气象功率预测模型进行评估,得到真实光基于所述误差指标调整所述中间气象功率预测模型的超参数,基于所述误差指标调整所述中间气象功率预测模型中判别8.根据权利要求7所述的超短期光伏功率预测方法,历史功率数据获取模块,用于获取所述目标发电区域特征数据集生成模块,用于对所述历史气象数据和所述历史功率数据进行特征提取,气象功率预测模型构建模块,用于基于引入特征对比损失机制的生成功率预测结果生成模块,用于获取所述目标发电区域的所述生成器中采用的激活函数为LeakyR特征对比损失机制引入单元,用于在所述生成器和所述判初始气象功率预测模型构建单元,用于基于所述生成4[0002]在现有电力系统中,光伏电力设备的功率输出通常会受[0004]为了解决现有技术存在短时间内因气象条件变化导致光伏电力设备功率输出波从历史气象数据库中提取目标发电区域的历史气5时间序列特征数据包括对应于每一时间段的气气象关键特征为与光伏功率相关性大于阈值失机制被配置为用于基于对比损失分别优化所述生基于所述误差指标调整所述中间气象功率预测模型中判别6建初始气象功率预测模型,并根据所述特征数据集对所述初始气象功率预测模型进行训生成器判别器构建单元,用于基于深度神经网络结构分别构建生成器和判别器,[0015]本发明实施例一种基于短临气象预报的超短期光伏功率预测方法及系统与现有集,从而为构建气象功率预测模型提供有力数据支撑;在生成器的隐藏层中,使用Leaky[0016]图1是本发明实施例一种基于短临气象预报的超短期光伏功率预测方法的流程示图4是本发明实施例一种基于短临气象预报的超短期光伏功率预测系统的结构示[0018]如图1所示,本发明实施例提供了一种基于短临气象预报的超短期光伏功率预测7气象条件与光伏电力设备功率输出之间的关括是否正常运行和有无故障,相应的环境因素数据包括周围的噪声水平和电磁干扰情况。8在负值区间可能出现的“死亡神经元”问题,即某些神经元输出长期为零的情况。这样,9出能够有效预测气象功率关系的目标气象功率当判别器对生成数据的区分过于严格时,生成器在训练过程中很难欺骗判别器。备在超短期内功率输出的精准预测,从而为电力系统的调度和运行提供重要的决策依据,历史功率数据获取模块2,用于获取目标发电区域中目标光伏电力设备的历史功气象功率预测模型构建模块4,用于基于引入特征对比损失机制的生成对抗网络生成器判别器构建单元41,用于基于深度神经网络结构分别构建生成器和判别率预测系统的具体限定参见上文中对于一种基于短临气象预报的超短期光伏

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论