龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国网浙江省电力有限公司电力科学研究院
摘要：本发明公开了一种基于广义DBSCAN空间聚类的区域光伏功率预测方法及系统。本发明首先分析气象要素与光伏出力相关性，结合区域光伏空间分布特点，建立以地理距离和气象状态相似程度为聚类依据的广义DBSCAN空间聚类模型；其次，针对每一聚类集群中的代表光伏电站，利用时间序列重采样技术与深度学习方法，构建深度学习自适应集成模型，生成典型光伏出力曲线预测结果；最后，建立以均方根误差最小为损失函数的非线性优化模型，求解各曲线最优权重，并获得区域光伏功率预测结果。本发明的广义DBSCAN空间聚类兼顾地理距离与气象状态相似程度，可实现区域气象状态的精细刻画，通过引入深度学习与集成学习，有效提升区域光伏功率预测方法的准确率与泛化性能。
主权项：1.一种基于广义DBSCAN空间聚类的区域光伏功率预测方法，其特征在于，包括：步骤1，基于光伏发电物理模型、历史气象数据与历史光伏出力数据，分析并验证光伏出力主要相关气象因素；在此基础上，选取高相关度的气象因素，以气象站点地理距离与气象状态相似度作为聚类依据，建立广义DBSCAN空间聚类模型；步骤2，基于所述的广义DBSCAN空间聚类模型，对于每一类别，各挑选一个代表光伏电站，以其出力曲线作为典型光伏出力曲线，并代表该类气象状态，以所有典型光伏出力曲线精细描述区域气象状态；并针对每一典型光伏出力曲线，划分典型光伏功率数据集为训练集、验证集和测试集，基于时间序列重采样方法与三类基学习器，先后构建同质集成光伏功率预测模型和异质集成光伏功率预测模型；步骤3，在步骤2构建的集成模型基础上，划分区域光伏功率数据集为验证集和测试集，建立以验证集区域光伏功率预测均方根误差最小为优化目标的非线性优化模型，求解每类典型光伏出力曲线最优权重，从而构建基于广义DBSCAN空间聚类的区域光伏功率预测模型，获得测试集区域光伏功率预测结果。
全文数据：
权利要求：
百度查询： 国网浙江省电力有限公司电力科学研究院 一种基于广义DBSCAN空间聚类的区域光伏功率预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号