龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：上海交通大学
摘要：一种融合时空关系的太阳能光伏发电功率预测方法，在离线阶段通过对光伏系统历史数据进行相关性分析并提取主成分特征，通过滑动窗口进行窗口划分并为窗口依次匹配三角函数位置编码形成编码窗口数据集，利用数据集对基于CNN、Multi‑Attention和LSTM的FSTRNN模型进行训练，在在线阶段通过训练后的FSTRNN模型进行实时发电功率预测。本发明基于利用贝叶斯优化算法搭建模型优化框架对超参数进行筛选，通过构建具有高泛用性和高预测性能的融合时空关系网络FSTRNN，有效针对不同地理位置、环境条件的光伏电站快速搭建FSTRNN模型和优化超参数值；FSTRNN模型具有明显优于SVM、LSTM、CNN‑LSTM等模型的预测精度和鲁棒性。
主权项：1.一种融合时空关系的太阳能光伏发电功率预测方法，其特征在于，在离线阶段通过对光伏系统历史数据进行相关性分析并提取主成分特征，生成训练集后对构建得到的包括CNN、Multi-Attention和LSTM的FSTRNN模型进行训练，在在线阶段通过训练后的FSTRNN模型进行实时发电功率预测；所述的FSTRNN模型，包括：卷积神经网络单元、注意力机制单元和三个长短期记忆单元，其中：卷积神经网络单元根据输入的数据集信息，利用标准方形卷积核，按卷积操作提取经过折叠层折叠后的输入矩阵的频域信息，然后利用展开层形成与输入矩阵结构一致的特征矩阵，注意力机制单元根据特征矩阵信息，在全局信息中动态提取关注点特征，得到注意力特征矩阵结果；所述的三个长短期记忆单元具体为：内置长短期记忆LSTM单元、平行长短期记忆LSTM单元和后置长短期记忆LSTM单元，内置长短期记忆单元根据注意力特征矩阵信息，提取关注区间的时间依赖关系，得到第一中间结果矩阵；平行长短期记忆单元根据输入的数据集信息，进行整体时间特征提取处理，得到第二中间结果矩阵；后置长短期记忆单元通过对第一中间结果矩阵和第二中间结果矩阵进行神经网络特征提取，与拟合层的训练标签进行拟合，最后通过反向传播进行权重优化。
全文数据：
权利要求：
百度查询： 上海交通大学 融合时空关系的太阳能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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号