← 返回列表
领域知识约束下深度特征融合的光伏发电功率预测方法
摘要文本
本发明涉及光伏功率预测领域，公开了领域知识约束下深度特征融合的光伏发电功率预测方法。通过收集与光伏发电相关的历史数据，进行原理分析优选光伏发电领域知识，利用滑动窗口特征扩增机制对原始数据进行特征扩增，构建并行特征提取网络捕获其短期和长期依赖关系。然后，使用特征交互和特征交叉融合模块有效地融合局部和全局信息。最后，将领域知识引入预测模型中，利用理论知识指导模型训练，这一举措在一定程度上提高了模型的物理可解释性和准确性，很好地解决了功率预测不准确和不合理问题。 （更多数据，详见）
申请人信息
- 申请人:西南石油大学
- 申请人地址:610500 四川省成都市新都区新都大道8号
- 发明人: 西南石油大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 领域知识约束下深度特征融合的光伏发电功率预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410045987.2 |
| 申请日 | 2024/1/12 |
| 公告号 | CN117556379A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F18/25 |
| 权利人 | 西南石油大学 |
| 发明人 | 刘丽艳; 彭贵秀; 汪敏; 徐望尘; 毛云飞; 冯露萱 |
| 地址 | 四川省成都市新都区新都大道8号 |
专利主权项内容
1.领域知识约束下深度特征融合的光伏发电功率预测方法，其特征在于，包括以下步骤：步骤S10、收集与光伏发电相关的历史数据，包括气象数据、光伏板参数、发电功率、太阳辐射，并进行数据清洗；分析光伏组件的温度效应、光伏系统的并网接入以及光伏发电的物理原理提取领域知识约束；步骤S20、将收集到的数据输入特征扩增模块；利用滑动窗口特征扩增机制提取每个窗口内数据中的整体趋势特征，并对所提取的特征进行串行连接，以增加特征数量；步骤S30、设计并行特征提取网络，包括两个子网络CNN和Transformer，子网络1(CNN框架)提取关键局部特征，子网络2(Transformer框架)提取总体全局特征；利用线性自注意力机制与卷积位置编码构建特征交互模块，通过对特征缩放、拼接与线性化构建特征交叉融合模块，有效融合从两个框架主干提取的特征信息；步骤S40、根据光伏发电机理，挖掘光伏发电领域知识，构建激活函数和损失函数实现领域知识约束，采用随机梯度下降法更新模型参数以得到最优学习参数。