[發明專利]基于DGM-RNN的日前光伏功率預測方法及系統

在審

• 申請號: 202110211281.5
• 申請日: 2021-02-25
• 公開（公告）號: CN112949918A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 張承慧;李建靖;孫波;鄭剛;于彬彬
• 申請（專利權）人: 山東大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 祖之強

1.一種基于DGM-RNN的日前光伏功率預測方法，其特征在于：包括以下步驟：

獲取待預測日前一日的日平均環境數據；

根據獲取的數據，基于灰色預測模型得到待預測日的總光伏功率預測值，基于循環神經網絡得到待預測日的日間小時功率預測結果；

將總光伏功率預測值和日間小時功率預測結果輸入到預設長短期記憶網絡中，得到更新后的日間小時功率預測結果。

2.如權利要求1所述的基于DGM-RNN的日前光伏功率預測方法，其特征在于：

日平均環境數據包括日平均輻射量、日平均氣溫、日平均濕度、日最高溫度和日最低溫度。

3.如權利要求1所述的基于DGM-RNN的日前光伏功率預測方法，其特征在于：

在理想天氣條件下，根據春夏秋冬四個季節分別構建四種不同的循環神經網絡模型，在不同的季節采用不同的循環神經網絡模型。

4.如權利要求1所述的基于DGM-RNN的日前光伏功率預測方法，其特征在于：

灰色預測模型采用DGM(1，1)模型，具體為：

其中，β₁和β₂分別是比例系數和截距系數。

5.如權利要求4所述的基于DGM-RNN的日前光伏功率預測方法，其特征在于：

6.如權利要求4所述的基于DGM-RNN的日前光伏功率預測方法，其特征在于：

DGM(1，1)模型的時間序列為：

7.如權利要求1所述的基于DGM-RNN的日前光伏功率預測方法，其特征在于：

循環神經網絡中，輸入進入LSTM單元后，它單獨通過激活函數，并將信息傳送至輸入門，處理單元可以決定通過輸入門寫入某部分具體信息，并通過更新門創建新單元值的向量；單元存儲器通過t-1時刻的數值與忘記門和寫入門的值交互遞歸地更新自身。

8.一種基于DGM-RNN的日前光伏功率預測系統，其特征在于：包括：

數據獲取模塊，被配置為：獲取待預測日前一日的日平均環境數據；

初步預測模塊，被配置為：根據獲取的數據，基于灰色預測模型得到待預測日的總光伏功率預測值，基于循環神經網絡得到待預測日的日間小時功率預測結果；

預測更新模塊，被配置為：將總光伏功率預測值和日間小時功率預測結果輸入到預設長短期記憶網絡中，得到更新后的日間小時功率預測結果。

9.一種計算機可讀存儲介質，其上存儲有程序，其特征在于，該程序被處理器執行時實現如權利要求1-7任一項所述的基于DGM-RNN的日前光伏功率預測方法中的步驟。

10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7任一項所述的基于DGM-RNN的日前光伏功率預測方法中的步驟。