基于特征迁移的光伏功率短期预测

随着国家对可再生能源占比要求的不断提高,新光伏电站的建设需求随之增加。为解决新建光伏电站历史数据不足问题,建立基于特征迁移学习的光伏功率短期预测模型。模型采用日辐照度特征、光伏电池温度和t-SNE算法对气象数据进行特征提取,构建具有泛化能力的高识别度预测模型特征。根据迁移学习理论,将长期运行的光伏电站历史数据用于GRU神经网络预训练,少量本地运行数据对预测模型输出权重进行微调,提升预测精度实现预测模型本地化。