[发明专利]一种基于记忆神经网络和注意机制的光伏功率预测系统

权利要求书

1.一种基于记忆神经网络和注意机制的光伏功率预测系统，其特征在于：包括如下步骤：

S1、使用两种记忆神经网络LSTM神经网络分别处理温度和功率输出时间序列；

S2、使用记忆神经网络LSTM隐藏层输出向量H＝{h₀,h₁,K,h_t}作为输入的注意机制，注意机制将寻找注意h_i的权重α_i，它可以计算出方程(7)和(8)所示：

计算权重系数：e_i＝tanh(W_hh_i+b_h),e_i∈[-1,1] (7)

归一化：

其中W_h是h_i的权矩阵；b_h是偏差。在ALSTM训练过程中，W_h和b_h的值是不同的。注意向量H'＝{h'₀,h'₁,K,h'_t}可以由注意权重α_i和h_i的乘积获得：

加权求和：h'_i＝α_i·h_i (9)

注意机制实现为一个自定义层，其中使用RMSProp反向传播对参数进行优化；

S3、根据步骤S2中得到的数据通过全连通(FC)层进行平铺合并建立ALSTM模型，ALSTM模型采用固定尺寸的光伏功率时间序列和光伏组件温度时间序列作为输入，预测下一时刻的功率；

S4、使用步骤S3中得到的ALSTM模型进行模拟测试。

2.根据权利要求1所述的一种基于记忆神经网络和注意机制的光伏功率预测系统，其特征在于：在步骤S1中，内部细胞状态用C_t表示，记忆神经网络LSTM分别使用忘记门f_t、输入门i_t和输出门O_t来更新、维护或删除单元状态信息。在时刻t，输入序列向量X(t)，隐层输出h_t-1和细胞状态C_t-1。输出为LSTM隐层输出h_t和细胞状态c_t。遗忘门、输入门、输出门按式(1)、(2)、(3)计算：

f_t＝σ(W_f·[h_t-1,x_t]+b_f) (1)

i_t＝σ(W_i·[h_t-1,x_t]+b_i) (2)

O_t＝σ(W_O·[h_t-1,x_t]+b_o) (3)

当前候选细胞状态由式(4)计算：

遗忘门和输入门分别决定了当前单元状态C_t中的C_t-1和所占信息的比例。状态C_t由式(5)更新：

隐层电流输出由式(6)计算：

h_t＝O_t·tanh(C_t) (6)

其中W_f、W_i、W_o分别为遗忘门、输入门、输出门权矩阵；其中，b_f、b_i和b_o分别是遗忘门、输入门和输出门偏压，σ代表sigmoid激励函数。