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：江苏润和软件股份有限公司

摘要：本申请公开了一种基于深度学习与联邦学习的短期光伏发电预测方法及系统，所述方法包括：采集每个光伏场站的历史光伏发电关联数据作为特征数据，对应生成每个光伏场站的训练数据集；采用构建的LSTM神经网络作为每个光伏场站的光伏发电预测模型；采用引入MAS算法的联邦学习算法对各光伏发电预测模型进行模型联合训练，获得训练好的各光伏发电预测模型；利用训练好的每个光伏场站的光伏发电预测模型预测对应光伏场站的光伏发电量。本申请能够实现保障各光伏场站的光伏发电预测模型数据安全的同时，提升光伏发电预测模型的预测精度。

主权项：1.一种基于深度学习与联邦学习的短期光伏发电预测方法，其特征在于，包括：采集每个光伏场站的历史光伏发电关联数据作为特征数据，对应生成每个光伏场站的训练数据集；所述光伏发电关联数据包括：气象数据、日期数据、光伏发电数据；采用构建的LSTM神经网络作为光伏发电预测模型；采用引入MAS算法的联邦学习算法对各光伏场站的光伏发电预测模型进行模型联合训练，获得训练好的各光伏发电预测模型；所述模型联合训练过程包括：对中心服务器中光伏发电预测模型进行参数初始化，下载完成参数初始化的光伏发电预测模型作为各个光伏场站的光伏发电预测模型；利用每个光伏场站的训练数据集对应对每个光伏场站的光伏发电预测模型进行模型训练并于训练完成后上传模型参数至中心服务器；利用中心服务器对上传的各光伏发电预测模型的模型参数进行聚合并下发聚合后的模型参数；以MAS算法为基础，根据下发至各光伏场站的聚合后的模型参数与每个光伏场站的训练数据集，按模型排序继续对每个光伏场站的光伏发电预测模型进行模型训练，于全部光伏发电预测模型训练完成后重复进行模型参数上传、模型参数聚合及按模型排序进行模型训练直至中心服务器中光伏发电预测模型的预测精度满足预设预测精度，获得训练好的各光伏发电预测模型；按模型排序继续进行模型训练中，每个光伏发电预测模型的损失函数添加一个根据前一顺序光伏发电预测模型中各模型参数的重要性程度生成的正则项；所述模型排序基于所有光伏场站的光伏发电预测模型随机生成；利用训练好的每个光伏场站的光伏发电预测模型预测对应光伏场站的光伏发电量。

全文数据：

权利要求：

百度查询： 江苏润和软件股份有限公司 基于深度学习与联邦学习的短期光伏发电预测方法及系统