公开(公告)号：CN119651573A

公开(公告)日：2025-03-18

申请号：CN202411724406.4

申请日：2024-11-28

Applicant: 珠海派诺科技股份有限公司

Inventor： 潘钊源 ,  徐永凯 ,  汪凡

IPC: H02J3/00 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种融合多目标的光伏发电区间预测方法。包括模型构建，所述模型构建包括动态区间优化损失函数的构建，所述动态区间优化损失函数的构建包括采用Transformer模型架构为基础模型架构，在传统回归任务的基础上，设计区间预测损失函数模块，提出一个融合点预测和区间预测的多目标损失函数以及一个惩罚函数，优化目标为最小化平均预测区间宽度的同时最大化区间覆盖率，实现长时序动态区间预测以及点预测。该融合多目标的光伏发电区间预测方法在确保高覆盖率的同时，生成窄的预测区间，解决了传统预测方法在准确性和动态适应能力方面的不足。

公开(公告)号：CN119578639A

公开(公告)日：2025-03-07

申请号：CN202411679847.7

申请日：2024-11-22

Applicant: 珠海派诺科技股份有限公司

Inventor： 汪凡 ,  徐永凯 ,  潘钊源

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/10 ,  G06F18/23213 ,  G06F18/24 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/08 ,  H02J3/00

Abstract: 本发明公开了一种基于动态工况识别与模型融合的光伏发电功率预测方法包括：动态工况识别，以及深度时序模型样本特征增强；所述动态工况识别是引入样本时刻关于历史功率和天气预报的统计量特征，构造监督学习算法的训练样本，训练得到更精准的动态工况识别模型，包括基于数据预处理结果，利用每日功率分布曲线和无监督聚类方法对样本数据进行多种工况划分，得到每日所属的工况类别label；所述深度时序模型样本特征增强，包括根据待预测时刻的工况识别结果，利用天气预报和功率观测数据从特定工况候选集中进行相似日匹配挑选Top3作为模型训练或预测的样本特征，针对时序模型的样本特征构造。该方法构建一种能够根据气象变化自适应选择预测模型，并融合异构模型进行头尾结果修正的光伏发电功率多步预测系统，以提高光伏发电在复杂、多变天气的预测精度和响应速度，以解决当前光伏发电功率预测精度不足、难以应对复杂环境变化的问题。