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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD