摘要
一种基于机器学习的生物质能发电量预测方法,其特征在于,所述方法包括以下步骤:采集生物质能产沼及发电系统的储气柜排放流量、上网电量、非上网能量,以及所述系统所在的环境数据,并构造输入特征矩阵;将所述输入特征矩阵输入至预先训练的CNN‑GRNN模型中,以获得所述系统中沼气发电机的预测发电量曲线。本发明综合考虑沼气发电系统中的长期历史数据,充分分析发电系统特征,降低生物质能发电量预测的不确定性。
技术关键词
GRNN模型
发电量预测方法
生物质能
概率密度函数
沼气发电机
发电量预测系统
节点
分析发电系统
沼气发电系统
气柜
矩阵
半轴
采样方法
误差
处理器
曲线
算法
可读存储介质
系统为您推荐了相关专利信息
水质检测方法
监测点
协方差矩阵
LSTM神经网络
实时监测数据
信道冲激响应
模型构建方法
车对车
路径损耗指数
发射天线
注意力机制
动态
编码器
滑动窗口技术
估计概率密度函数