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：河海大学
摘要：本发明公开了一种基于多层次云图特征与宽度学习的超短期光伏功率预测方法及系统。所述方法包括：地基云图预处理；提取地基云图的多层次特征包括深层语义特征与浅层细节特征作为功率预测模型的图像特征量；计算云层覆盖率与云层变化率作为爬坡识别模型的图像特征量；进而结合历史功率数据，构建基于宽度学习的光伏功率预测模型与爬坡识别模型；基于爬坡识别结果，针对性使用历史爬坡数据对功率预测模型进行增量更新，进而获得超短期功率预测结果。本发明能够提高超短期光伏功率预测整精度，为电网安全、稳定运行提供支撑，具有一定的工程实用价值。
主权项：1.一种基于多层次云图特征与宽度学习的超短期光伏功率预测方法，其特征在于，包括以下步骤：1对地基云图进行预处理，包括畸变矫正、云图增强；2基于预处理后的地基云图，提取多层次特征作为功率预测模型的图像特征量，所述多层次特征包括深层语义特征与浅层细节特征，所述浅层细节特征包括边缘特征和纹理特征，所述深层语义特征通过由卷积层与池化层堆叠所组成的卷积神经网络提取得到；所述边缘特征利用方向梯度直方图来获取；所述纹理特征通过计算图像中不同方向、不同间距的像素对出现的频率，生成灰度共生矩阵进而反应图像灰度在空间上的相关性和变化规律而得到，具体包括反映图像中灰度级差的总体情况的对比度、反应图像灰度分布的均匀程度和纹理粗细度的能量、反应图像纹理的复杂程度或信息不确定性的熵、反应图像纹理的局部灰度关系的相关性；3基于预处理后的地基云图，计算云层覆盖率与云层变化率作为爬坡识别模型的图像特征量；4结合历史功率数据，构建基于宽度学习的光伏功率预测模型以及基于宽度学习的爬坡识别模型；5利用爬坡识别模型给出爬坡识别结果，基于爬坡识别结果，针对性使用历史爬坡数据对功率预测模型进行增量更新，进而获得超短期功率预测结果。
全文数据：
权利要求：
百度查询： 河海大学 基于多层次云图特征与宽度学习的超短期光伏功率预测方法及系统
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