基于集成学习的风光资源纠偏系统

本发明公开了基于集成学习的风光资源纠偏系统，包括：数据采集层：构建原始数据采集网络；边缘计算层：基于边缘设备集成Flink实时数据引擎进行流式处理与增量学习；云端智能层：通过多源数据融合模块采用动态时间规整算法进行数值模式与实时数据时空对齐并结合质量评估体系修复异常值，集成学习纠偏模型采用LightGBM+随机森林混合架构结合误差补偿算法，物理约束生成模块运用Physics‑Informed GAN引入流体力学方程约束生成符合物理规律的地形数据以计算微尺度特征，时空特征提取模块通过ConvLSTM网络自动提取时空特征，数字孪生验证平台推演仿真验证纠偏策略有效性并持续优化模型参数；应用层：集成纠偏后的风速以及辐照度数据通过风光功率预测系统输出短时预测结果。