本发明涉及数据处理,尤其涉及一种基于数据挖掘的光伏发电预测方法及装置。
背景技术:
1、随着全球气候变化和资源枯竭的问题日益严重,可再生能源,特别是太阳能,已经成为越来越受重视的能源形式。光伏发电作为一种清洁、可再生的能源,其开发和利用对于减少温室气体排放、保护生态环境、确保能源安全等方面具有重要意义。然而,光伏发电也面临着许多挑战,其中之一就是其产量的可预测性和稳定性。由于太阳能的可利用性受到许多因素的影响,如天气条件、季节变化、地理位置等,因此光伏发电的输出功率具有很高的不确定性和波动性。
2、为了确保电网的稳定运行和光伏能源的有效利用,对光伏发电量进行准确预测变得至关重要。通过准确的预测,电网运营商可以提前进行调度和优化,以确保电网的平衡和稳定。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种基于数据挖掘的光伏发电预测方法及装置,能够显著提高光伏发电预测的准确性。
2、第一方面,本发明实施例提供一种基于数据挖掘的光伏发电预测方法,其中,该方法包括:获取目标光伏设备的待预测数据;其中,待预测数据包括目标光伏设备的生产数据、环境数据和电网的运行数据;对待预测数据向量化处理,生成待预测数据对应的特征向量;将特征向量输入至预先构建的集成预测模型,使集成预测模型基于特征向量对目标光伏设备的发电量进行预测,并输出集成预测结果,以及集成预测结果对应的置信度;集成预测模型是通过预先构建的训练样本集训练的,且,基于完全集合经验模态分解的深度置信网络算法和基于量子编码的神经网络优化算法构建;基于置信度对集成预测结果中包括的多个预测结果进行加权计算,得出目标光伏设备对应的预测光伏发电量。
3、本发明实施例带来了以下有益效果:本发明提供的一种基于数据挖掘的光伏发电预测方法及装置,在预测过程中引入了置信度概念,使得模型的预测结果更加准确和可信。此外,还涉及集成学习的思想:通过将多个模型的预测结果进行融合,能够进一步增强了预测的稳定性和准确性。通过集成学习和基于置信度的模型选择机制,确保了预测结果的稳定性和可靠性。通过准确的预测,有助于光伏能源的合理调度和有效利用,从而促进可再生能源的推广和应用。基于此,本发明能够显著提高光伏发电预测的准确性。
4、本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
5、为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
1.一种基于数据挖掘的光伏发电预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,基于所述置信度对所述集成预测结果中包括的多个预测结果进行加权计算,得出所述目标光伏设备对应的预测光伏发电量的步骤,包括:
3.根据权利要求1所述的方法,其特征在于,所述集成预测模型的构建方法包括:
4.根据权利要求3所述的方法,其特征在于,通过预设的特征提取算法对所述训练样本集进行特征提取,确定所述训练样本集对应的目标特征集的步骤,包括:
5.根据权利要求4所述的方法,其特征在于,使用预设的评价函数对所述初始特征子集进行评价的步骤,包括:
6.根据权利要求3所述的方法,其特征在于,将所述目标特征集输入至预设的神经网络中,对所述神经网络进行训练,并根据训练好的神经网络构建集成预测模型的步骤,包括:
7.根据权利要求6所述的方法,其特征在于,基于所述神经网络输出,对所述神经网络的神经网络参数进行优化的步骤,包括:
8.根据权利要求3所述的方法,其特征在于,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,通过预设的数据扩充算法生成所述初始样本集在预设条件下的扩充数据的步骤,包括:
10.一种基于数据挖掘的光伏发电预测装置,其特征在于,所述装置包括: