[发明专利]基于循环神经网络的光伏电站短期功率预测方法在审
申请号: | 201910910254.X | 申请日: | 2019-09-25 |
公开(公告)号: | CN110766134A | 公开(公告)日: | 2020-02-07 |
发明(设计)人: | 陈志聪;陈辉煌;吴丽君;程树英;林培杰 | 申请(专利权)人: | 福州大学 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08;G06Q10/04;G06Q50/06 |
代理公司: | 35100 福州元创专利商标代理有限公司 | 代理人: | 陈明鑫;蔡学俊 |
地址: | 350108 福建省福州市*** | 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循环神经网络的光伏电站短期功率预测方法,包括如下步骤:步骤S1:根据待预测日的天气类型,得到对应的NWP气象参数;步骤S2:采集待预测日之前的若干天历史数据;步骤S3:对历史数据进行处理,并将处理后的历史数据作为训练数据集;步骤S4:采用循环神经网络对训练数据集进行学习,并用随机梯度下降法调整网络的参数,得到预测模型;步骤S5:将待预测日的NWP气象参数作为预测模型的输入,得出预测的功率值。本发明能够显著提高光伏电站短期功率预测的精度和可靠性。 | ||
搜索关键词: | 历史数据 短期功率预测 循环神经网络 训练数据集 预测 光伏电站 气象参数 预测模型 随机梯度下降法 天气类型 并用 采集 网络 学习 | ||
【主权项】:
1.一种基于循环神经网络的光伏电站短期功率预测方法,其特征在于,包括如下步骤:/n步骤S1:根据待预测日的天气类型,得到对应的NWP气象参数;/n步骤S2:采集待预测日之前的若干天历史数据;/n步骤S3:对历史数据进行处理,并将处理后的历史数据作为训练数据集;/n步骤S4:采用循环神经网络对训练数据集进行学习,并用随机梯度下降法调整网络的参数,得到预测模型;/n步骤S5:将待预测日的NWP气象参数作为预测模型的输入,得出预测的功率值。/n
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/201910910254.X/,转载请声明来源钻瓜专利网。