一种基于时空协同的混合模型光伏发电功率预测方法
摘要文本
本发明公开了一种基于时空协同的混合模型光伏发电功率预测方法；本发明通过结合多头注意力机制有效融合CNN和LSTM学习到的特征表示，实现了CNN和LSTM在表达水平上的相互提升；通过并行训练，二者可以相互影响学习优化方向，充分发挥各自网络结构在时空信息提取上的优势，进而提升模型的鲁棒性和精度。此外，本发明基于蜣螂优化算法寻找到模型的全局最优超参数，减少模型训练所需的时间，并通过使用Logistic混沌映射对蜣螂优化算法的种群进行初始化，使种群分布更加均衡，进而提高算法的收敛性和优化精度。 马 克 数 据 网
申请人信息
- 申请人:杭州师范大学
- 申请人地址:311121 浙江省杭州市余杭区余杭塘路2318号
- 发明人: 杭州师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于时空协同的混合模型光伏发电功率预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311711047.4 |
| 申请日 | 2023/12/13 |
| 公告号 | CN117689167A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06Q10/0631 |
| 权利人 | 杭州师范大学 |
| 发明人 | 胡克用; 郎春元; 傅哲毅; 王李冬; 冯阳; 王奔 |
| 地址 | 浙江省杭州市余杭区余杭塘路2318号 |
专利主权项内容
1.一种基于时空协同的混合模型光伏发电功率预测方法，其特征在于：包括以下步骤：步骤一、构建数据集；数据集中包含光伏发电站的多个影响因素及其对应的发电功率的时序数据；步骤二、构建进行功率预测模型；功率预测模型包括CNN多头注意力机制模块、LSTM多头注意力机制模块、结合模块和全连接层；LSTM多头注意力机制模块包括长短时记忆网络和第一多头注意力机制层；CNN多头注意力机制模块包括卷积神经网络和第二多头注意力机制层；第一多头注意力机制层、第二多头注意力机制层和结合模块均采用多头注意力机制结构；长短时记忆网络输出的特征作为输入传输进第一多头注意力机制层；卷积神经网络输出的特征作为输入传输进第二多头注意力机制层；第一多头注意力机制层的输出向量C1和第二多头注意力机制层输出向量C2共同输入结合模块进行融合；所得融合结合向量输入至全连接层；全连接层输出预测结果；步骤三、设定长短时记忆网络和卷积神经网络的超参数；步骤四、基于数据集构建训练集，并利用训练集对CNN多头注意力机制模型和LSTM多头注意力机制模型进行并行训练；步骤五、利用经过训练的功率预测模型进行光伏发电站的发电功率预测。