本技术介绍了一种创新的光伏功率预测方法及其系统,该方法基于KAN模型。首先,通过收集和预处理历史数据来构建数据集,并将其分为训练集和测试集。接着,利用这些数据集构建光伏出力日前预测模型,并进行训练,以实现对光伏发电功率的高效预测。
背景技术
深度学习方法现在已成为光伏预测领域众多学者的研究对象,现有模型如长短时记忆神经网络(Long Short-Term Memory,LSTM)、双向长短时记忆神经网络(Bidirectional Long Short-Term Memory, BiLSTM)、卷积神经网络(ConvolutionalNeural Network,CNN)、以及它们的混合模型CNN-LSTM、CNN-BiLSTM,常用来捕捉气候特征与实际光伏输出功率之间的复杂映射关系,进而实现预测的目的。然而,上述现有模型的不足之处在于,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力有限。当遇到深层次复杂高维输入特征时,上述模型往往难以捕捉到足够的细节信息,导致预测精度受限。
实现思路