版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
顾明剑基于聚类和混合神经网络的光伏功率预测本申请公开了基于聚类和混合神经网络的预测光伏电站的训练样本和测试样本进行聚类与对应测试样本的特征中心间的距离设置自适用于不同聚类类别的CNN_LSTM的光伏功率预测一种基于聚类和混合神经网络的光伏功率预测2基于待预测光伏电站历史数据,对所述待预测光伏电站历史数据执行预处理及根据聚类结果计算每个训练样本距离测试样本特征中心的距离根据同聚类簇中训练样本与对应测试样本的特征中心间的距离设基于聚类结果以及自适应权重,构建适用于不同聚类类别的CNN_LS所述数据输出模块中的神经元数量根据输出特执行对所述预设时间段内的待预测光伏电站历史数据的异常值去除、数据缺失值填采用基于肘部法的K_means聚类算法执行对待预测光伏电站的训练样本和测试样本的3划分模块,用于基于待预测光伏电站历史数据执行模块,用于执行对待预测光伏电站的训练样本和测试样适应调整各样本的权重值,并采用训练样本与测试样本特征中心距离的倒数作为权重系设置模块,用于根据同聚类簇中训练样本与对应测试样构建模块,用于基于聚类结果以及自适应权重,构建适用于不所述数据输出模块中的神经元数量根据输出特生成模块,用于基于CNN_LSTM的光伏功率预测模型,生成程序被设置为运行时执行所述权利要求1至5中任45[0018]根据聚类结果计算同聚类簇中每个训练样本与测试样本特征中心间的距离设置[0024]可选的,所述基于CNN_LSTM的光伏功率预测模型采用平均绝对误差作为损失函6[0034]本申请的又一实施例提供了一种存储介质,所述存储介电站的光伏功率预测结果。它通过提供一种基于聚类和混合神经网络的光伏功率预测方[0036]图1为本申请实施例提供的基于聚类和混合神经网络的光伏功率预测方法的计算[0037]图2为本申请实施例提供的基于聚类和混合神经网络的光伏功率预测方法的流程[0043]图8为本申请实施例提供的一种待预测光伏电站的光伏功率预测结果的流程示意[0044]图9为本申请实施例提供的一种采用四种深度学习方法的光伏功率预测结果曲线[0045]图10为本发明实施例提供的一种采用四种深度学习的预测功率与真实光伏功率[0046]图11为本申请实施例提供的基于聚类和混合神经网络的光伏功率预测系统的结[0049]下面以运行在计算机终端上为例对其进行详细说明。图1为本申请实施例提供的7[0050]存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的光伏功率预测方法对应的程序指令/模块,处理器102通过运行存储在存储器104内的软件程序[0051]传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括8[0060]例如,选取公开发布的澳大利亚太阳能中心的艾丽丝泉光伏数据和相关天气数[0063]xr=(tmax-xmin)xf+xmn见图3,图3为本申请实施例提供的光伏电站历史数据各变量之间的皮尔逊相关系数示意[0071]采用基于肘部法的K_means聚类算法对待预测光伏电站的训练样本和测试样本进9[0073]本申请利用K_means方法,通过优化迭代簇内数据点的均值来达到最小化样本与[0074]示例性的,本申请为得到K_means聚类的聚类簇数,利用肘部法确定最佳聚类簇数据训练CNN_LSTM的光伏功率预测[0089]需要说明的是,一维CNN层从包含因子相关性信息的输入数据中提取有价值的特预测模型采用平均绝对误差作为损失函数,并使用适应性矩估计(Adaptivemoment[0098]利用预设方法执行对待预测光伏电站的光伏功率预测结果的检验评估,选择f是第i对被检验的真实光伏功率和预测光伏功率值。f是第i对被检验的真实光伏功率和预测光伏功率值。f是第i对被检验的真实光伏功率和预测光伏功率值。基于聚类和混合神经网络预测模型在处理这些复杂关系上展现了巨大的潜力。CNN具有强[0119]为了更直观地看出四种对比方法的光伏功率预测结果与真实光伏功率之间的差深度学习方法实现了光伏功率的高精度预测,对评估光伏系统的性能和效率具有重要意[0122]数据处理模块1101,用于基于待预测光伏电站历史数据[0123]样本聚类模块1102,用于对待预测光伏电站的训练样本和测试样本进行聚类处所述计算机程序被设置为运行时执行上述任一项方法实施例的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,[0151]上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备各种可以存储程序代码的介质。实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026西安市雁塔区第十三幼儿园教师招聘建设考试备考题库及答案解析
- 2026四川高能智盾科技有限公司招聘市场开发岗等岗位13人建设笔试参考题库及答案解析
- 2026国家开发投资集团有限公司战略性新兴产业国投创新院板块招聘建设笔试备考题库及答案解析
- 2026江西赣州市会昌县锦诚物业管理有限公司招聘劳务派遣工作人员2人建设考试备考题库及答案解析
- 2026辽宁省朝阳市喀左县教育局直属学校赴高校招聘教师(第二批次)13人建设考试参考试题及答案解析
- 2026湖北省崇阳县人才引进26人建设笔试模拟试题及答案解析
- 2026江苏无锡市住房公积金管理中心招聘2人建设考试备考试题及答案解析
- 2026年山东交通职业学院公开招聘博士研究生(30名)建设笔试模拟试题及答案解析
- 2026年中国科大附一院(安徽省立医院)心血管内科高超课题组科研助理招聘4人建设笔试备考题库及答案解析
- 2026广东广湛城旅游轮有限公司招聘建设考试参考题库及答案解析
- 股骨干骨折护理个案
- 无创辅助呼吸护理要点
- GB/T 6433-2025饲料中粗脂肪的测定
- 《生殖医学进展:胚胎冷冻保存技术》课件
- 施工现场环境保护责任清单
- DL∕T 5342-2018 110kV~750kV架空输电线路铁塔组立施工工艺导则
- DZ∕T 0291-2015 饰面石材矿产地质勘查规范
- 概念辨析复习 -2021-2022学年高一下学期物理人教版(2019)必修第二册(含答案)
- 《乙烯基聚乙二醇醚(VPEG)、乙烯氧基丁基聚乙二醇醚(VBPEG)》
- 甜食酒服务-教育课件
- 道路运输企业两类人员安全考核题库题库(1020道)
评论
0/150
提交评论