[发明专利]基于卷积神经网络与元学习的光伏功率预测方法及系统有效
申请号: | 201910335212.8 | 申请日: | 2019-04-24 |
公开(公告)号: | CN110070226B | 公开(公告)日: | 2020-06-16 |
发明(设计)人: | 臧海祥;程礼临;刘玲;刘冲冲;卫志农;孙国强 | 申请(专利权)人: | 河海大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 张华蒙 |
地址: | 210024 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了基于卷积神经网络与元学习的光伏功率预测方法,属于可再生能源开发利用技术领域,通过建立深层卷积神经网络模型,以历史光伏功率数据、历史气象数据和数值气象预报数据作为模型输入,以待预测日的光伏功率作为输出,构成模型训练样本;基于数值气象预报中的辐射数据分析待预测日的天气类型,选取相似日训练样本;基于元学习策略和相似日训练样本,以八个损失函数指标训练神经网络模型,输出八个预测结果,实现光伏功率的点预测和概率预测;本发明还公开了其预测系统。本发明方法能够适应不同季节、不同天气的光伏功率预测情况,具备极高的预测精度,能够有效提升光伏并网系统运行稳定性。 | ||
搜索关键词: | 基于 卷积 神经网络 学习 功率 预测 方法 系统 | ||
【主权项】:
1.基于卷积神经网络与元学习的光伏功率预测方法,其特征在于,包括以下步骤:步骤1,建立深层卷积网络,作为预测模型;步骤2,以历史光伏功率数据、历史气象数据和数值气象预报数据作为模型输入,以待预测日的光伏功率作为输出,构成模型训练样本;步骤3,基于数值气象预报中的辐射数据,分析待预测日的天气类型,选取相似日训练样本;步骤4,基于元学习策略和相似日训练样本,以八个损失函数指标训练神经网络模型,输出八个预测结果;步骤5,基于神经网络输出的八个预测结果,实现光伏功率的点预测和概率预测。
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河海大学,未经河海大学许可,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/201910335212.8/,转载请声明来源钻瓜专利网。