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。

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