申请/专利权人:长沙理工大学
申请日:2024-01-11
公开(公告)日:2024-04-09
公开(公告)号:CN117852919A
主分类号:G06Q10/0637
分类号:G06Q10/0637;G06Q10/0639;G06Q50/06;G06N3/0442;G06N3/045;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于改进LSTM‑CNN组合模型的光伏电压质量指标预测方法,方法包括:获取光伏用户的历史分布式光伏接入功率、电流、电压闪变、电压波动和电压偏差作为数据集,将数据集进行预处理;模型基于LSTM‑CNN网络的初步特征提取,引入交互层,通过融合注意力机制更加关注关键特征,设计多特征融合模块,充分利用来自不同层次和来源的数字信息,以丰富结果预测的特征表示,构成光伏电压质量指标预测模型;将数据集进行模型训练和验证,得到电压闪变、电压波动和电压偏差的预测结果,实现对分布式光伏电站电压质量指标的预测,能提前采取必要的监测和管理措施,促进低压分布式光伏电站的可持续发展和光伏监测系统的稳定运行。
主权项:1.一种基于改进LSTM-CNN组合模型的光伏电压质量指标预测方法,其特征在于,所述方法包括:步骤S1:获取光伏用户的历史分布式光伏接入功率、电流、电压闪变、电压波动和电压偏差作为数据集,将数据集进行预处理;步骤S2:模型基于LSTM-CNN网络来初步进行特征提取;步骤S3:模型引入交互层,融合注意力机制;步骤S4:提出了多特征融合模块,充分地利用来自不同层次和来源的数字信息,以丰富结果预测的特征表示;步骤S5:将数据集进行模型训练和验证。
全文数据:
权利要求:
百度查询: 长沙理工大学 基于改进LSTM-CNN组合模型的光伏电压质量指标预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。