[發(fā)明專利]一種基于改進(jìn)CNN-LSTM的光伏發(fā)電功率預(yù)測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 202211480384.2 | 申請(qǐng)日: | 2022-11-24 |
| 公開(kāi)(公告)號(hào): | CN115759435A | 公開(kāi)(公告)日: | 2023-03-07 |
| 發(fā)明(設(shè)計(jì))人: | 趙志強(qiáng);張濤;付鈺惠 | 申請(qǐng)(專利權(quán))人: | 遼寧東科電力有限公司 |
| 主分類號(hào): | G06Q10/04 | 分類號(hào): | G06Q10/04;G06Q50/06;H02J3/00;G06N3/08;G06F30/27;G06N3/0442;G06N3/0464;G06F119/06 |
| 代理公司: | 沈陽(yáng)杰克知識(shí)產(chǎn)權(quán)代理有限公司 21207 | 代理人: | 王洋 |
| 地址: | 110000 遼寧*** | 國(guó)省代碼: | 遼寧;21 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 改進(jìn) cnn lstm 發(fā)電 功率 預(yù)測(cè) 方法 | ||
一種基于改進(jìn)CNN?LSTM的光伏發(fā)電功率預(yù)測(cè)方法,其步驟為:1)從特征分析的角度對(duì)樣本數(shù)據(jù)進(jìn)行分析和降維處理;2)在分析各氣象成分與輸出功率的相關(guān)關(guān)系后進(jìn)行特征選擇,剔除冗余成分實(shí)現(xiàn)數(shù)據(jù)降維;3)在保留光伏發(fā)電功率重要影響成分的基礎(chǔ)上,通過(guò)特征轉(zhuǎn)換實(shí)現(xiàn)再次降維;4)數(shù)值天氣預(yù)報(bào)數(shù)據(jù)和功率數(shù)據(jù)組成二維時(shí)間序列數(shù)據(jù),考慮到長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)在處理時(shí)間序列數(shù)據(jù)和二維數(shù)據(jù)方面的優(yōu)勢(shì),將兩種神經(jīng)網(wǎng)絡(luò)模型組合應(yīng)用到光伏發(fā)電功率預(yù)測(cè)中。本發(fā)明通過(guò)上述方法,在光伏發(fā)電大規(guī)模并網(wǎng)時(shí)提高光伏出力的預(yù)見(jiàn)性,幫助電網(wǎng)更好的調(diào)度安排和制定電價(jià),提高光伏發(fā)電消納能力。
技術(shù)領(lǐng)域
本發(fā)明涉及太陽(yáng)輻射測(cè)量技術(shù)領(lǐng)域,尤其涉及一種基于改進(jìn)CNN-LSTM的光伏發(fā)電功率預(yù)測(cè)方法。
背景技術(shù)
石油、煤炭等化石燃料被大量使用并逐漸走向枯竭,目前世界各國(guó)既要應(yīng)對(duì)能源缺乏,又要應(yīng)對(duì)環(huán)境惡化。發(fā)展可再生新能源已經(jīng)成為各國(guó)的首要選擇,太陽(yáng)能作為可再生新能源的一種,不受地域限制的輻照在地球表面,具有可再生能力強(qiáng)、清潔環(huán)保、資源豐富、開(kāi)發(fā)利用方便等優(yōu)點(diǎn)。因此,對(duì)光伏發(fā)電進(jìn)行功率預(yù)測(cè)能提高光伏發(fā)電的預(yù)見(jiàn)性,幫助電網(wǎng)更好地運(yùn)行和調(diào)度以及制定合理的電價(jià),推進(jìn)光伏發(fā)電的進(jìn)一步蓬勃發(fā)展,越來(lái)越多的機(jī)器學(xué)習(xí)算法和優(yōu)化模型應(yīng)用于光伏發(fā)電功率預(yù)測(cè),預(yù)測(cè)精度和模型穩(wěn)定性都有比較好的表現(xiàn)。高質(zhì)量的數(shù)據(jù)樣本與穩(wěn)定的預(yù)測(cè)模型結(jié)合,能進(jìn)一步提高預(yù)測(cè)精度,光伏發(fā)電出力情況受天氣和其他隨機(jī)因素影響比較大,數(shù)據(jù)采集也受設(shè)備的限制含有大量噪聲和缺測(cè)、誤測(cè)信息。低質(zhì)量的數(shù)據(jù)樣本輸入到預(yù)測(cè)模型中會(huì)增加模型訓(xùn)練的難度進(jìn)而影響預(yù)測(cè)效果。目前,基于統(tǒng)計(jì)分析構(gòu)建輸入輸出模型比較常見(jiàn),而且輸入的數(shù)據(jù)質(zhì)量直接影響預(yù)測(cè)精度,因此本發(fā)明提供一種基于改進(jìn)CNN-LSTM的光伏發(fā)電功率預(yù)測(cè)方法,旨在提高光伏發(fā)電功率預(yù)測(cè)的精度,在光伏發(fā)電大規(guī)模并網(wǎng)時(shí)提高光伏出力的預(yù)見(jiàn)性,幫助電網(wǎng)更好的調(diào)度安排和制定電價(jià),提高光伏發(fā)電消納能力。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于改進(jìn)CNN-LSTM的光伏發(fā)電功率預(yù)測(cè)方法,以解決上述背景技術(shù)中提出的問(wèn)題。
本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是:
一種基于改進(jìn)CNN-LSTM的光伏發(fā)電功率預(yù)測(cè)方法,包括以下步驟:
1)從特征分析的角度對(duì)樣本數(shù)據(jù)進(jìn)行分析和降維處理。
光伏發(fā)電系統(tǒng)輸出功率由其系統(tǒng)構(gòu)成和組件轉(zhuǎn)換效率決定,受氣象因素影響,其中,太陽(yáng)輻射強(qiáng)度以及溫度的影響很大。溫度影響光伏陣列的組件溫度,從而影響設(shè)備效率和逆變器的輸出功率。Ne1=EqAηηTηiηnη1×10-3,其中,Ne1為理論輸出功率,單位kW;Eq為太陽(yáng)輻射強(qiáng)度,單位W/m2;A為組件安裝面積,單位m2;ηT為組件轉(zhuǎn)換效率溫度修正系數(shù);ηi為組件安裝方位角、傾角修正系數(shù);ηn為逆變器效率系數(shù);η1為線路損失修正系數(shù);ES為標(biāo)準(zhǔn)狀態(tài)下的陽(yáng)光強(qiáng)度,ES=1000W/m2,PAZ為光伏系統(tǒng)的安裝容量,單位kW。
數(shù)據(jù)預(yù)處理具體步驟:(1)檢查數(shù)據(jù)連續(xù)性并標(biāo)記缺點(diǎn)數(shù)據(jù)和重復(fù)數(shù)據(jù),將時(shí)間轉(zhuǎn)換成時(shí)間戳格式,逐次計(jì)算相鄰兩點(diǎn)的時(shí)間戳的差值,對(duì)缺測(cè)和重復(fù)的數(shù)據(jù)點(diǎn)進(jìn)行標(biāo)記;(2)根據(jù)最大功率值檢驗(yàn)異常數(shù)據(jù)。通過(guò)箱線圖確定數(shù)據(jù)的上下限,對(duì)異常的數(shù)據(jù)進(jìn)行標(biāo)記和刪除;(3)對(duì)連續(xù)缺測(cè)的功率數(shù)據(jù)進(jìn)行刪除操作。(4)對(duì)數(shù)據(jù)進(jìn)行歸一化處理,消除不同因素間量綱的影響。根據(jù)數(shù)值換算到區(qū)間的不同,可分為以下兩種:一是最小最大值法,二是平均值法。最小最大值法將數(shù)值換算到(0,1)區(qū)間,平均值法將數(shù)值換算到(-1,1)區(qū)間,最小最大值法計(jì)算公式如下:其中,x*為歸一化后的數(shù)值,xmax為最大值,xmin為最小值。平均值法計(jì)算公式如下:其中,x*為歸一化后的數(shù)值,xmean為x的平均值,xvar為x的方差。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于遼寧東科電力有限公司,未經(jīng)遼寧東科電力有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211480384.2/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測(cè)目的的數(shù)據(jù)處理系統(tǒng)或方法;其他類目不包含的專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測(cè)目的的處理系統(tǒng)或方法
G06Q10-00 行政;管理
G06Q10-02 .預(yù)定,例如用于門票、服務(wù)或事件的
G06Q10-04 .預(yù)測(cè)或優(yōu)化,例如線性規(guī)劃、“旅行商問(wèn)題”或“下料問(wèn)題”
G06Q10-06 .資源、工作流、人員或項(xiàng)目管理,例如組織、規(guī)劃、調(diào)度或分配時(shí)間、人員或機(jī)器資源;企業(yè)規(guī)劃;組織模型
G06Q10-08 .物流,例如倉(cāng)儲(chǔ)、裝貨、配送或運(yùn)輸;存貨或庫(kù)存管理,例如訂貨、采購(gòu)或平衡訂單
G06Q10-10 .辦公自動(dòng)化,例如電子郵件或群件的計(jì)算機(jī)輔助管理
- 圖像語(yǔ)義標(biāo)注的設(shè)備和方法及其模型的生成方法和系統(tǒng)
- 使用卷積神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像處理
- 為數(shù)據(jù)庫(kù)確定卷積神經(jīng)網(wǎng)絡(luò)CNN模型的裝置和方法
- 確定卷積神經(jīng)網(wǎng)絡(luò)CNN模型的裝置和方法
- 采用嵌入式系統(tǒng)中的小規(guī)模卷積神經(jīng)網(wǎng)絡(luò)模塊的人臉檢測(cè)
- 針對(duì)深度通道和卷積神經(jīng)網(wǎng)絡(luò)圖像和格式使用相機(jī)設(shè)備的方法和系統(tǒng)
- 處理卷積神經(jīng)網(wǎng)絡(luò)的方法
- CNN加速器和電子設(shè)備
- 一種基于混合神經(jīng)網(wǎng)絡(luò)的腦電時(shí)空特征學(xué)習(xí)與情感分類方法
- 一種基于FPGA的深度學(xué)習(xí)加速方法
- 用于高階長(zhǎng)短期記憶網(wǎng)絡(luò)的系統(tǒng)和方法
- 基于深度學(xué)習(xí)LSTM的空調(diào)故障診斷方法
- 基于注意力機(jī)制的時(shí)間序列預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)
- 一種基于PCA-LSTM網(wǎng)絡(luò)的廢水處理智能監(jiān)控方法
- 一種基于FAF-LSTM深度神經(jīng)網(wǎng)絡(luò)的居民負(fù)荷預(yù)測(cè)方法及系統(tǒng)
- 用于預(yù)測(cè)血糖水平的循環(huán)神經(jīng)網(wǎng)絡(luò)裝置和系統(tǒng)
- 基于情景LSTM結(jié)構(gòu)網(wǎng)絡(luò)的微博情感分析方法
- 語(yǔ)音信號(hào)處理方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 基于約束并行LSTM分位數(shù)回歸的電力負(fù)荷概率預(yù)測(cè)方法
- 基于深度網(wǎng)絡(luò)AS-LSTM的命名實(shí)體識(shí)別系統(tǒng)及識(shí)別方法





