资源说明】
基于深度学习的光伏发电功率预测系统源码(含前端+后端)+项目说明.zip
本项目主体围绕着“基于深度学习算法的短期光伏发电功率预测模型”而构建。旨在设计出一款面向电力公司和光伏发电业主的系统，其具有辅助决策、风险预测的能力，强大的数据提取、统计与分析能力和清晰的数据相关性、影响性的可视化展示功能。
项目背景
随着光伏发电网规模的扩大和应用的普及，对于光伏发电的并网需求持续增大，但是光伏发电所具有的波动性和间歇性的特性势必会对并网系统的稳定性产生一定的影响。诸如太阳辐射强度、空气湿度、气压、环境温度等因素是导致光伏发电的波动性和间歇性产生的首要因素，若对于光伏发电缺少相应的技术手段预测功率和调整模式，势必在并网时会不利于电力系统的调整，并且为电网调度人员产生困扰。

在此背景之下，设计出合理且有效的光伏发电功率预测模型一方面可以提升并网后电力系统运行的安全性和稳定性；另一方面也有利于光伏电站业主或调度人员的协调调度，进一步提升电能资源利用率。

项目目的

通过设计出合理的“基于深度学习算法的短期光伏发电功率预测模型”以及对该模型的进一步优化，在大规模分布式光伏发电的电力管理层面，为管理人员提供短期内环境因素的具体数据以及光伏发电功率的预测结果，帮助管理人员进行协调调度，从而提升电能利用率；在个人中小规模分布式光伏电站业主层面，提供短期内光伏发电功率的预测结果并给出调整策略建议，保障中小型分布式光伏电站并网后电网运行的稳定性和供电可靠性，同时对于一种更加互利且合理的个人光伏发电并网后差额电量的补偿和外送机制进行展望。

## 技术选型（Technics）

项目架构

该项目采用B/S架构，后端调用算法模型，展示在前端。

算法技术

主要语言：Python

- Keras

- Sci-kit Learn

后端技术

主要语言：Java

- Spring