[发明专利]一种基于深度学习的光伏发电功率预测方法

权利要求书

1.一种基于深度学习的光伏发电功率预测方法，其特征在于：包括以下步骤：

A、采集光伏发电数据并对采集的数据进行预处理；

B、将预处理后的数据发送至存储器中存储；

C、将存储的光伏发电数据进行特征提取；

D、之后对特征提取后的数据进行加密；

E、将加密后的数据作为BP神经网络输入，BP神经网络输出为待预测的光伏发电功率，建立多组神经网络预测模型；

F、对多组神经网络预测模型进行深度训练，选取最佳性能参数所对应的神经网络预测模型作为最终的预测模型，对光伏发电功率进行预测。

2.根据权利要求1所述的一种基于深度学习的光伏发电功率预测方法，其特征在于：所述步骤A中数据预处理方法如下：

a、对采集到的光伏发电数据进行清洗；

b、对清洗后的数据进行校验是否有缺失；

c、对校验后的数据进行校正；

d、对校正后的数据进行滤波；

e、对滤波后的数据进行更新。

3.根据权利要求1所述的一种基于深度学习的光伏发电功率预测方法，其特征在于：所述步骤C中特征提取方法如下：

a、建立数据集，其中数据集中包含待特征提取的多个子数据集；

b、对数据集进行特征训练，得到训练模型；

c、提取数据集中的第一关键字和第二关键字；

d、循环搜索数据集中各子数据集，以第一关键字和第二关键字为初始条件，对子数据集进行搜索；

e、各子数据集中搜索匹配到第一关键字或第二关键字，则对数据进行提取。

4.根据权利要求1所述的一种基于深度学习的光伏发电功率预测方法，其特征在于：所述步骤D中加密方法如下：

a、首先对待加密的数据进行清洗操作；

b、之后对清洗后的数据进行一次加密算法运算，得到加密后的一次密文数据；

c、之后对一次密文数据再次进行超混沌加密运算，得到二次密文数据；

d、最后对二次密文数据进行二次加密算法运算，完成对数据的最终加密。

5.根据权利要求1所述的一种基于深度学习的光伏发电功率预测方法，其特征在于：所述步骤B中存储器采用随机存取存储器。

6.根据权利要求4所述的一种基于深度学习的光伏发电功率预测方法，其特征在于：所述第一加密算法采用AES加密算法；所述第二加密算法采用DES加密算法。

7.根据权利要求2所述的一种基于深度学习的光伏发电功率预测方法，其特征在于：所述数据清洗包括对采集的数据进行时间校验并排序、对数据单点阀值过滤处理。