[发明专利]基于CNN LSTM光伏发电功率预测模型及其构建方法

摘要

本发明属于光伏功率预测领域，公开了一种基于CNN LSTM光伏发电功率预测模型及构建方法；由两层CNN卷积层、LSTM、注意力机制和全连接层构成。当只有功率数据时，通过双层卷积层对输入的一维发电功率时间序列进行特征提取，经过3*1卷积核操作得到多个数据矩阵，实现时间序列到高层特征的信息抽象；注意力机制将每个矩阵通过LSTM算法得到的LSTM隐层输出向量进行自动化关注，对其中与当前输出量显著相关的特征量赋予更大的权值；通过展开操作将注意力机制的输出向量处理成一个一维向量输入全连接层，全连接层直接输出下一时刻光伏发电功率预测值。本发明数据量少、可移植性高、预测精度高。

主权项

1.一种基于CNN LSTM光伏发电功率预测模由卷积层CNN、LSTM、注意力机制和全连接层构成；所述CNN LSTM模型以t时刻的光伏发电功率时间序列P(t‑size+1),P(t‑size+2),...,P(t‑1),P(t)，size为序列长度，预测输出t+1刻的光伏发电功率P(t+1)。