本技术涉及一种光伏功率预测技术与系统,依托于多阶段时序特征提取。该技术通过LSTM模型对历史光伏功率数据进行深度分析,提取关键时序特征,并结合3DC模型进一步优化预测结果,以提高光伏功率预测的准确性和效率。
背景技术
太阳能以广阔的分布、易开采性、高效能源利用和无污染特性,受到全球重视,成为可再生能源研究重点。光伏发电以其静音、清洁、地理灵活性高和建设周期短等优势,成为最优的太阳能应用方式。然而,光伏发电受日照、云量和温度等气象因素影响,其输出功率呈现间歇性和波动性,对电网稳定性构成挑战,制约其广泛部署。因此,准确预测光伏发电功率至关重要。
在光伏功率预测领域,卫星云图的应用扮演着至关重要的角色。它提供了实时、大范围的天气状况,包括云层覆盖、分布和移动情况,这对于预测光伏功率的短期变化至关重要。光伏功率序列与卫星云图序列存在十分明显的时序特性。然而,现有预测方法采用时序特征提取不足、忽略功率特征与图像特征之间的耦合性和冗余性,从而导致光伏功率预测性能提升受限。如何充分利用历史数据的时序特征、挖掘功率特征与图像特征之间的耦合特性,进而实现光伏功率预测模型性能的进一步提升,是当前提高太阳能利用能力的难点。
实现思路