申请/专利权人:国网湖北省电力有限公司电力科学研究院;国网湖北省电力有限公司
申请日:2023-12-01
公开(公告)日:2024-04-26
公开(公告)号:CN117937421A
主分类号:H02J3/00
分类号:H02J3/00;G06Q10/04;G06N3/0442;G06N3/084;G06Q50/06;H02J3/38
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:一种基于相似度重组的光伏发电功率预测方法,首先获取光伏发电功率、总辐照度、散射辐照度、温度和湿度的时间序列,通过CEEMDAN将时间序列分解为多个本征模态函数(IMF);利用DTW算法计算各个本征模态函数(IMF)间的相似度,将相似度高的本征模态函数(IMF)进行重组;采用adam优化器对LSTM模型的网络参数进行优化;再用改进DBO优化算法对LSTM模型的超参数进行优化,得到LSTM优化预测模型;将重组的本征模态函数(IMF)的数据进行归一化处理,然后输入LSTM优化预测模型之中,得到各个重组序列的预测结果,并将各个预测结果进行重组实现最终预测。减少光伏发出功率的时间序列的非平稳性,增强预测精准度和减少计算量。
主权项:1.一种基于相似度重组的光伏发电功率预测方法,其特征在于,包括以下步骤:步骤1:获取光伏发电功率、总辐照度、散射辐照度、温度和湿度的时间序列,对异常值和缺失值进行清洗;步骤2:通过CEEMDAN将步骤1获取的时间序列分解为多个本征模态函数IMF;步骤3:利用DTW算法计算各个本征模态函数IMF间的相似度,将相似度高的本征模态函数IMF进行重组;步骤4:采用adam优化器对LSTM模型的网络结构偏置参数b和网络权值参数W进行优化;步骤5:然后采用改进DBO优化算法对LSTM模型的超参数进行优化,得到LSTM优化预测模型;超参数包括学习率、正则化系数和神经元个数;步骤6:将重组的本征模态函数IMF的数据进行归一化处理,然后输入LSTM优化预测模型之中,得到各个重组序列的预测结果,并将各个预测结果进行重组实现最终预测。
全文数据:
权利要求:
百度查询: 国网湖北省电力有限公司电力科学研究院;国网湖北省电力有限公司 一种基于相似度重组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。