申请/专利权人：西南石油大学

申请日：2024-01-12

公开（公告）日：2024-04-09

公开（公告）号：CN117556379B

主分类号：G06F18/25

分类号：G06F18/25;G06N3/0464;G06N3/08;G06Q50/06;H02J3/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明涉及光伏功率预测领域，公开了领域知识约束下深度特征融合的光伏发电功率预测方法。通过收集与光伏发电相关的历史数据，进行原理分析优选光伏发电领域知识，利用滑动窗口特征扩增机制对原始数据进行特征扩增，构建并行特征提取网络捕获其短期和长期依赖关系。然后，使用特征交互和特征交叉融合模块有效地融合局部和全局信息。最后，将领域知识引入预测模型中，利用理论知识指导模型训练，这一举措在一定程度上提高了模型的物理可解释性和准确性，很好地解决了功率预测不准确和不合理问题。

主权项：1.领域知识约束下深度特征融合的光伏发电功率预测方法，其特征在于，包括以下步骤：步骤S10、收集与光伏发电相关的历史数据，包括气象数据、光伏板参数、发电功率、太阳辐射，并进行数据清洗；分析光伏组件的温度效应、光伏系统的并网接入以及光伏发电的物理原理提取领域知识约束；步骤S20、将收集到的数据输入特征扩增模块；利用滑动窗口特征扩增机制提取每个窗口内数据中的整体趋势特征，并对所提取的特征进行串行连接，以增加特征数量；步骤S30、设计并行特征提取网络，包括两个子网络CNN和Transformer；子网络1采用CNN框架提取关键局部特征，子网络2基于Transformer框架捕获总体全局特征；构建特征交互模块和特征交叉融合模块；所述特征交互模块由线性自注意力机制与卷积位置编码组成，利用线性自注意力机制实现特征交互式传播，采用卷积位置编码查询特征交互信息；所述特征交叉融合模块包括，利用注意力系数进行特征缩放，对特征进行串行拼接、卷积、批量归一化与线性化操作，实现关键局部特征信息与总体全局特征信息融合；步骤S40、根据光伏发电机理，挖掘光伏发电领域知识，构建激活函数和损失函数实现领域知识约束，采用随机梯度下降法更新模型参数以得到最优学习参数。

全文数据：

权利要求：

百度查询： 西南石油大学 领域知识约束下深度特征融合的光伏发电功率预测方法

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