System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力,更具体地说,它涉及基于数据挖掘和金枪鱼算法的光伏异常数据预测方法。
技术介绍
1、光伏发电作为一种环保可再生能源技术,得到了广泛的应用。在光伏电池组件运行过程中,由于环境、天气等因素的影响,可能会出现各种异常情况,如表面污染、局部阴影等。这些异常数据对光伏发电系统的发电效率和安全性产生负面影响。因此,如何准确地识别和预测光伏异常数据,对于提高光伏发电系统的性能具有重要的意义。
技术实现思路
1、为了克服现有技术中所存在的上述缺陷,本专利技术提供了基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,旨在解决传统光伏系统监测中异常数据识别和预测的不准确性和低效率的问题。通过结合数据挖掘技术和金枪鱼算法,本专利技术旨在提供一种更准确、高效的光伏异常数据预测方法,以改善光伏系统的运行和维护效果,提高系统的可靠性和稳定性。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的:基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,包括以下步骤:
3、s1、获取该地区光伏系统运行的历史数据,并分析提取当中异常数据部分,
4、s2、对所获异常数据进行分析判断,选出异常数据特征最小数据集;
5、s3、改进算法,具体包括:
6、(1)改进线性权重系数:对标准金枪鱼算法中的权重系数α1和α2进行非线性改进;
7、(2)建立高斯变异-最优邻域策略;
8、s4、基于选出的异常数据特征,建立预测模型。
< ...【技术保护点】
1.基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,步骤S1中,使用数据挖掘技术提取异常数据部分,具体包括以下步骤:
3.根据权利要求1所述的基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,步骤S2中,采用德尔菲法对异常数据进行分析。
4.根据权利要求1所述的基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,步骤S3中,改进后的权重系数如下式:
5.根据权利要求1所述的基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,步骤S4中,基于改进后的算法构建光伏预测模型,其中异常数据特征集由步骤S2中德尔菲法分析后得到,按7:3的比例划分训练、测试集及并对数据进行归一化处理。采用改进后的金枪鱼算法对模型关键参量进行寻优,具体步骤如下:
【技术特征摘要】
1.基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,步骤s1中,使用数据挖掘技术提取异常数据部分,具体包括以下步骤:
3.根据权利要求1所述的基于数据挖掘和金枪鱼算法的光伏异常数据预测方法,其特征在于,步骤s2中,采用德尔菲法对异常数据进行分析。
4.根据权利要求1...
【专利技术属性】
技术研发人员:何玉灵,汪正天,段正茂,孙凯,宋海博,吴学伟,杜晓东,卢洪昌,
申请(专利权)人:华北电力大学保定,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。