[发明专利]一种基于气象数据相似度分析和LSTM神经网络实现光伏电站超短期功率预测方法在审
| 申请号： | 201910436300.7 | 申请日： | 2019-05-23 |
| 公开（公告）号： | CN110148068A | 公开（公告）日： | 2019-08-20 |
| 发明（设计）人： | 林培杰;陈标炜;赖云锋;程树英;陈志聪;吴丽君;郑茜颖 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06Q10/04;G06K9/62;G06N3/04 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 钱莉;蔡学俊 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于气象数据相似度分析和LSTM神经网络实现光伏电站超短期功率预测方法，选取预测时间段所在日前一个月每日的同一时间段的发电功率及对应气象数据，对各气象数据与功率输出进行Pearson关联度分析，取关联度最高的气象数据并取该数据在该时间段的初始值、平均值及末尾值组成三维坐标点，而后利用Euclidean metric对预测时刻前单位时间的气象数据及选取时间段的相应气象数据集进行相似度分析，获得Euclidean值小于指定数值的相似时间段的气象数据及功率数据，最终采用训练好的LSTM模型对发电功率进行预测。本发明能够快速准确地对超短期光伏电站的发电功率进行预测。 | ||
| 搜索关键词： | 气象数据 时间段 相似度分析 发电功率 光伏电站 超短期功率预测 神经网络实现 预测 关联度分析 同一时间段 功率输出 功率数据 三维坐标 超短期 关联度 末尾 | ||
【主权项】：
1.一种基于气象数据相似度分析和LSTM神经网络实现光伏电站超短期功率预测方法，其特征在于，包括以下步骤：步骤S1：由历史发电功率及气象数据获得指定预测时间段所在日前30日每日同一时间段的包括功率输出、温度、湿度、辐照度在内的参数样本组合；步骤S2：去除异常数据，对各气象数据与功率输出进行Pearson关联度分析，取关联度最高的气象数据在这一时间段的初始、平均及末尾值组成三维坐标点；步骤S3：利用Euclidean metric对预测时刻前单位时间内的气象数据及选取时间段相应的气象数据进行相似度分析，获得Euclidean值小于制定数值的相似时间段所对应的功率及气象数据；步骤S4：根据指定时间段内时刻数对LSTM神经网络的包括单位细胞数在内的相应参数进行设置，创建LSTM神经网络；步骤S5：利用根据与预测时刻时间远近排列好的由S3所获得的数据，将数据归一化后的样本组合输入LSTM神经网络模型进行训练；步骤S6：将预测时刻前制定时间段的气象及功率数据输入训练模型中对待预测时刻的发电功率进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910436300.7/，转载请声明来源钻瓜专利网。
