基于动态工况识别与模型融合的光伏发电功率预测方法

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。