【技术实现步骤摘要】
本专利技术涉及光伏功率的概率预测方法，具体为基于mdn-former的光伏功率概率预测方法。
技术介绍
1、全球光伏基础在2022年再次显著增长，达到1185gw。虽然光伏的概念很早就提出来了，但是光伏发电还是有很大潜力的。光伏的不确定性存在于光伏的整个生命周期，光伏概率预测问题就是要使用概率预测的方法给出预测的置信区间或是概率密度函数。概率预测能够为光伏混合系统提供更多的信息支持，帮助决策制定者更好的制定策略。
2、从2006年起深度学习被人们广泛地运用于各个领域，informer是一种新型的神经网络结构，他将transformer所提出的注意力机制用于了时间序列的预测任务。mdn网络也是神经网络的一种，它通常用于分类任务当中，给出某一个任务属于某个类的概率密度函数。近年来，深度学习在光伏功率的研究中发挥的越来越广泛，利用深度学习的技巧来进行光伏功率的概率预测具有重要的意义和价值。
技术实现思路
1、本专利技术的目的是应用神经网络对光伏功率概率进行预测，故提供了基于mdn-former的光伏功率概率预测方法。
2、本专利技术是采用如下的技术方案实现的：基于mdn-former的光伏功率概率预测方法，包括以下步骤：
3、1)预处理：对光伏电站采集到的光伏数据进行预处理；
4、2)特征提取：使用informer网络结构从预处理后的光伏数据中提取光伏特征；
5、3)概率预测：在informer网络结构提取到光伏特征之后，使用m
6、上述的基于mdn-former的光伏功率概率预测方法，预处理的具体过程为：
7、(1)使用标准化方法对光伏数据进行标准化；
8、(2)通过相关性分析方法对标准化后的光伏数据进行分析；
9、(3)找到相关性分析当中，与真实功率相关性较高的数据进行保留，对相关性较低的数据进行删除。
10、上述的基于mdn-former的光伏功率概率预测方法，保留的与真实功率相关性较高的数据为辐照度。
11、本专利技术通过对获得的光伏数据进行预处理，对其中的光伏特征进行相关性分析，然后将光伏特征用于神经网络的训练过程当中，最后将其映射成高斯混合分布，已达到给出光伏功率概率密度函数的目的。
本文档来自技高网...【技术保护点】
1.基于MDN-Former的光伏功率概率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于MDN-Former的光伏功率概率预测方法，其特征在于，预处理的具体过程为：
3.根据权利要求2所述的基于MDN-Former的光伏功率概率预测方法，其特征在于，保留的与真实功率相关性较高的数据为辐照度。
【技术特征摘要】
1.基于mdn-former的光伏功率概率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于mdn-former的光伏功率概率预测方法，其特...
【专利技术属性】
技术研发人员：白晓东，李灯熬，冯丁，周瑜，
申请(专利权)人：山西省能源互联网研究院，
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。