一种基于DCLSTNet神经网络模型预测光伏发电量的方法
基本信息
| 申请号 | CN202111199726.9 | 申请日 | - |
| 公开（公告）号 | CN113947243A | 公开（公告）日 | 2022-01-18 |
| 申请公布号 | CN113947243A | 申请公布日 | 2022-01-18 |
| 分类号 | G06Q10/04（2012.01）I;G06Q50/06（2012.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 潘飞 | 申请（专利权）人 | 江苏慧智能源工程技术创新研究院有限公司 |
| 代理机构 | 北京中仟知识产权代理事务所（普通合伙） | 代理人 | 黄照 |
| 地址 | 211100江苏省南京市江宁区将军大道100号金智科技园D座一楼西单元 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于DCLSTNet神经网络模型预测光伏发电量的方法，涉及光伏发电领域。该基于DCLSTNet神经网络模型预测光伏发电量的方法，包括以下的步骤：S1：问题引入；S2：纵向卷积层；S3：横向卷积层；S4：循环层；S5：跳接记忆循环层；S6：线性自回归；S7：整合预测；S8：优化策略。该基于DCLSTNet神经网络模型预测光伏发电量的方法，采用DCLSTNet模型，充分考虑并挖掘了光伏发电过程数据的相关性，整合线性（VAR模型）和非线性（深度神经网络模型）模型的输出，并对结果进行预测，更好的体现了数据价值，相较于传统的根据天气进行测算，大数据预测算法有着准确并且成本低廉的优点。 |
