一种基于人工智能的光伏发电功率预测方法及装置

    公开(公告)号:CN116307269A

    公开(公告)日:2023-06-23

    申请号:CN202310546094.1

    申请日:2023-05-16

    摘要: 本申请公开了一种基于人工智能的光伏发电功率预测方法及装置,应用于光伏发电技术领域,具体为:将待预测的光伏发电数据输入深度森林功率预测模型得到光伏发电功率预测结果;深度森林功率预测模型为级联的多层森林结构,每层森林结构包括多个决策森林,每个决策森林包括多个决策树,多个决策树中至少有一个决策树用于提取周期性特征,每个决策树基于TSIG选择分裂节点,这样,通过在每个决策森林中都增加用于提取周期性特征的决策树且每个决策树都基于TSIG选择分裂节点,可以更好地反映光伏发电的周期性、季节性和随机性等特征,从而可以使深度森林功率预测模型对光伏发电功率的预测更为精准,进而可以提高光伏发电功率预测精准度。

    一种基于高维空间模型的异常工况监测方法及系统

    公开(公告)号:CN111581589A

    公开(公告)日:2020-08-25

    申请号:CN202010377530.3

    申请日:2020-05-07

    IPC分类号: G06F17/11 G06F17/18

    摘要: 本发明属于异常工况监测领域,提供一种基于高维空间模型的异常工况监测方法及系统。它解决了以单个过程变量的异常工况监控可能会出现的错误告警信息和遗漏告警信息问题,具有异常工况监测准确性高的优点,其技术方案为:基于高维空间模型的异常工况监测方法包括获取工业生产过程的历史正常数据,构建出高维空间模型;根据高维空间模型,计算出各个过程变量的自适应异常监控限值;实时接收工业生产过程中各个过程变量,并与对应自适应异常监控限值比较,若所有过程变量均在相应自适应异常监控限值内,则判定工业生产过程处于正常工况;否则,判定工业生产过程处于异常工况。