本发明涉及基于机器学习的
光伏功率短期预测方法、装置及存储介质,该方法包括历史数据整合、数据集预处理、时序趋势分解、最优特征筛选、机器学习建模和预测趋势融合等步骤。其采用趋势分解与机器学习算法实现对光伏电站一定时空尺度下的多维度数据进行整合清洗,然后使用时序数据趋势分解法进行功率数据的趋势分解,并对比使用多种机器学习回归算法和自回归模型进行各趋势项的建模预测,最后结合分解模型对预测结果进行趋势预测融合,完成光伏功率的短期预测。本发明对功率数据分解后的各趋势项分别建模,有效提高预测精度,为新能源场站业主带来更精准的功率预测和更大的收益空间,助力新能源的科学规划与合理应用。
声明:
“基于机器学习的光伏功率短期预测方法、装置及存储介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)