摘要
本申请提供了一种LSO‑GRU‑ECM的分布式光伏聚类等值建模方法,该方法包括:对分布式光伏系统采用改进K‑means算法进行聚类分群,构建初始聚类等值模型;确定分布式光伏原始模型和初始聚类等值模型之间的动态响应误差,原始模型为光伏系统的参数和拓扑得到的;利用狮群优化算法优化门控循环神经网络的超参数,并将动态响应误差输入至门控循环神经网络中进行训练,得到误差校正模型;将动态响应误差输入至误差校正模型中,得到补偿值,并补偿给初始聚类等值模型,得到目标聚类等值模型,用于分析分布式光伏系统的运行参数,该方法得到的目标聚类等值模型能够高精度、低耗时地模拟实际分布式光伏特性。
技术关键词
分布式光伏系统
动态响应误差
门控循环神经网络
聚类
等值建模方法
有功功率
误差校正
萤火虫算法
表达式
补偿值
位置更新
暂态仿真
优化搜索算法
参数
可读存储介质
指标
样本
建模装置
系统为您推荐了相关专利信息
中心控制器
网络在线业务
网络流特征
交换机
节点特征
楼宇设备
感知特征
风险识别模型
时空轨迹数据
训练装置
集群管理系统
回归分析预测模型
客户
协同过滤算法
邻居