[发明专利]一种基于深层卷积神经网络的光伏功率预测方法有效
| 申请号： | 201810269300.8 | 申请日： | 2018-03-29 |
| 公开（公告）号： | CN108549929B | 公开（公告）日： | 2019-06-07 |
| 发明（设计）人： | 臧海祥;程礼临;梁智;王苗苗;卫志农;孙国强 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06Q10/04;G06Q50/06 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 徐莹 |
| 地址： | 211100 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深层卷积神经网络的光伏功率预测方法，包括：利用变分模态分解算法对获取的历史光伏功率序列进行模态分解，将其分解为若干个频率分量和一个余项分量；分别排列成二维格式数据；将二维格式的频率分量作为多通道深层卷积神经网络模型的输入并进行预测，及输出一个频率分量预测值总和；将二维格式的余项分量利用单通道深层卷积神经网络模型提取高阶特征，将所提取的高阶特征和气象数据作为支持向量机模型输入并进行预测，及输出一个余项分量的预测值；将频率分量预测值总和与余项分量的预测值相加，得到待预测时刻的光伏功率预测结果。本发明使光伏功率的预测精度明显提升，有效地指导电网调度，保证电力系统安全稳定运行。 | ||
| 搜索关键词： | 预测 光伏 卷积神经网络 频率分量 二维格式 功率预测 高阶 电力系统安全稳定 支持向量机模型 电网调度 分解算法 功率序列 模态分解 模型提取 气象数据 输出 单通道 多通道 有效地 分模 相加 分解 保证 | ||
【主权项】：
1.一种基于深层卷积神经网络的光伏功率预测方法，其特征在于，包括以下步骤：利用变分模态分解算法对获取的历史光伏功率序列进行模态分解，将其分解为具有频率规律的若干个频率分量和一个余项分量；将所分解得到的每个频率分量和余项分量分别排列成二维格式数据；将二维格式的频率分量输入到多通道深层卷积神经网络模型，进行预测及输出一个频率分量预测值总和；将二维格式的余项分量输入到另一个单通道深层卷积神经网络模型，提取并输出其高阶特征；将高阶特征和气象数据输入到支持向量机模型，进行预测及输出一个余项分量预测值；将输出的频率分量预测值总和与余项分量预测值相加，得到待预测时刻的光伏功率预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学，未经河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810269300.8/，转载请声明来源钻瓜专利网。
