本研究提出一种基于宽度学习系统的光伏发电功率超短期预测方法。光伏发电功率受天气、太阳辐射等因素影响，波动性较强，传统深度学习模型存在训练时间长、实时性不足等问题。宽度学习系统通过构建扁平化网络结构，利用增量学习机制快速更新模型参数，能够有效处理动态变化的数据特征。该方法以历史功率数据、气象数据等为输入，通过特征映射与增强节点组合提取时间相关性，实现未来15分钟至1小时内的功率预测。实验结果表明，该模型在预测精度和计算效率上均优于传统BP神经网络及长短期记忆网络，适用于快速变化场景下的光伏功率实时预测任务。
基于宽度学习系统的光伏发电功率超短期预测（10页）下载大小：1.29MB
基于宽度学习系统的光伏发电功率超短期预测