一種基于DCLSTNet神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)光伏發(fā)電量的方法

基本信息

申請(qǐng)?zhí)?/td> CN202111199726.9 申請(qǐng)日 -
公開（公告）號(hào) CN113947243A 公開（公告）日 2022-01-18
申請(qǐng)公布號(hào) CN113947243A 申請(qǐng)公布日 2022-01-18
分類號(hào) G06Q10/04（2012.01）I;G06Q50/06（2012.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 潘飛 申請(qǐng)（專利權(quán)）人 江蘇慧智能源工程技術(shù)創(chuàng)新研究院有限公司
代理機(jī)構(gòu) 北京中仟知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 黃照
地址 211100江蘇省南京市江寧區(qū)將軍大道100號(hào)金智科技園D座一樓西單元
法律狀態(tài) -

摘要

摘要 本發(fā)明公開一種基于DCLSTNet神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)光伏發(fā)電量的方法，涉及光伏發(fā)電領(lǐng)域。該基于DCLSTNet神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)光伏發(fā)電量的方法，包括以下的步驟：S1：?jiǎn)栴}引入；S2：縱向卷積層；S3：橫向卷積層；S4：循環(huán)層；S5：跳接記憶循環(huán)層；S6：線性自回歸；S7：整合預(yù)測(cè)；S8：優(yōu)化策略。該基于DCLSTNet神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)光伏發(fā)電量的方法，采用DCLSTNet模型，充分考慮并挖掘了光伏發(fā)電過程數(shù)據(jù)的相關(guān)性，整合線性（VAR模型）和非線性（深度神經(jīng)網(wǎng)絡(luò)模型）模型的輸出，并對(duì)結(jié)果進(jìn)行預(yù)測(cè)，更好的體現(xiàn)了數(shù)據(jù)價(jià)值，相較于傳統(tǒng)的根據(jù)天氣進(jìn)行測(cè)算，大數(shù)據(jù)預(yù)測(cè)算法有著準(zhǔn)確并且成本低廉的優(yōu)點(diǎn)。