CN114492941B 一种基于集群划分和数据增强的整县光伏预测方法 （东南大学）_第1页
CN114492941B 一种基于集群划分和数据增强的整县光伏预测方法 （东南大学）_第2页
CN114492941B 一种基于集群划分和数据增强的整县光伏预测方法 （东南大学）_第3页
CN114492941B 一种基于集群划分和数据增强的整县光伏预测方法 （东南大学）_第4页
CN114492941B 一种基于集群划分和数据增强的整县光伏预测方法 （东南大学）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

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

号一种基于集群划分和数据增强的整县光伏一种基于集群划分和数据增强的整县分布作为距离度量，利用基于密度的抗噪聚类算法(Density-BasedSpatialClusteringof数据和生成的数据图片化共同训练深度卷积网络预测模型。本发明的预测方法通过改进的GAN2S1，采集所设定区域内以及所设定时间内的每S2，根据S1采集的晴天光伏出力数据求取每个光伏出力站点的最大功率并进行标幺络参数wt并更新当前迭代次数，重复本步骤；如果达到了迭代次数阈值ncritic则进入步骤其中，x(i)是输入参数中的第i训练批次；z(i)为第i次训练从生S4，在光伏集群内通过S3构建的光伏数据增强神2.根据权利要求1所述的一种基于集群划分和数据增强的整县光伏预测方法，其特征3.根据权利要求1或2所述的一种基于集在所述S2中，历史晴天光伏出力曲线为标幺化的出力曲34.根据权利要求3所述的一种基于集群划分和数据增强的整县光伏预测方法，其特征5.根据权利要求4所述的一种基于集群划分和数据增强的整县光伏预测方法，其特征6.根据权利要求5所述的一种基于集群划分和数据增强的整县光伏预测方法，其特征更新生成器参数θt的方法为：7.根据权利要求1所述的一种基于集群划分和数据增强的整县光伏预测方法，其特征所述S4的数据增强是指首先将S1采集的数据图片化，将一天的原始数天48个点，形成48*15像素大小的图片；然后通过光伏数据增强神经网络模型进行对抗学8.根据权利要求1所述的一种基于集群划分和数据增强的整县光伏预测方法，其特征45[0032]其中，fw.)为判别器网络，z(i)为第i次训练从生成器产生的样本分布中的批采6天48个点，形成48*15像素大小的图片；然后通过光伏数据增强神经网络模型进行对抗学7[0058]根据站点典型历史晴天光伏出力曲线，采用DBSCAN对整县光伏进行进去集群划器网络参数wt并更新当前迭代次数，重复本步骤；如果达到了迭代次数阈值n则进入步骤8[0081]本领域的普通技术人员可以根据实际情况设定生成器损失函数9o:以及生成器参[0091]以澳大利亚电网发布的2014年家庭光伏数据进行说明，选取了105个家庭的历史结构和参数的，只由原始数据的深度卷积网络进行对比，在测试集上的预测指标如表1所9明的发明精神所作的任何改进或修饰都应当落在本发明的保护范

人人文库> 全部分类> 行业资料 > 信息产业

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

评论

0/150

提交评论