[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。
