← 返回列表
一种基于深度学习的短期光伏功率预测方法
摘要文本
本发明公开一种基于深度学习的短期光伏功率预测方法，包括步骤：S1、采集影响光伏发电功率的原始数据集；S2、对原始数据集进行数据预处理；S3、构建XGB‑GRU‑Informer集成预测模型，并将预处理后的原始数据集输入预测模型中，获取预测结果；S4、对预测结果进行对比分析与误差分析。本发明解决了现有光伏发电系统难以准确的预测其发电功率的问题。
申请人信息
- 申请人:华北电力大学; 国网冀北电力有限公司经济技术研究院
- 申请人地址:100096 北京市昌平区回龙观
- 发明人: 华北电力大学; 国网冀北电力有限公司经济技术研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的短期光伏功率预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410141241.1 |
| 申请日 | 2024/2/1 |
| 公告号 | CN117669391A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 华北电力大学; 国网冀北电力有限公司经济技术研究院 |
| 发明人 | 许晓敏; 关泺允; 王之怡; 崔灏旭; 姚润坤; 张勇; 周盈颖; 路妍 |
| 地址 | 北京市昌平区朱辛庄北农路2号; 北京市海淀区羊坊店东路21号院1号楼7层701室 |
专利主权项内容
1.一种基于深度学习的短期光伏功率预测方法，其特征在于，包括步骤：S1、采集影响光伏发电功率的原始数据集；S2、对原始数据集进行数据预处理；S3、构建XGB-GRU-Informer集成预测模型，并将预处理后的原始数据集输入预测模型中，获取预测结果；S4、对预测结果进行对比分析与误差分析。