摘要
本发明涉及光伏发电技术领域,尤其涉及一种基于深度学习的光伏发电预测方法。步骤如下:S1:对于历史光伏功率数据、气象数据进行收集,形成历史光伏数据集;S2:构建BiTCN‑BiLSTM‑MultiHeadAttention模型;S3:对冠豪猪优化器改进,并通过改进后的冠豪猪优化器替换BiTCN‑BiLSTM‑MultiHeadAttention模型中的优化器,形成光伏发电预测模型;S4:通过历史光伏数据集中的训练集对光伏发电预测模型进行训练,并通过验证集进行测试,S5:通过训练完成的光伏发电预测模型进行实时的光伏功率预测。本发明提供的一种基于深度学习的光伏发电预测方法,通过BiTCN‑BiLSTM‑MultiHeadAttention模型的构建,以及通过CPO优化器对BiTCN‑BiLSTM‑MultiHeadAttention模型中优化器的替换,形成光伏发电预测模型,进而通过光伏发电预测模型实时对光伏发电进行电量预测。
技术关键词
光伏发电预测方法
回归树模型
优化器
双向长短期记忆
关键字
实时数据
光伏发电数据
表达式
多头注意力机制
功率
光伏发电技术
气象
变量
数值
算法
关系
模块
系统为您推荐了相关专利信息
侧装式真空断路器
环网柜
数字孪生建模
电气设备状态
闭环控制
精确配料系统
铸造铝合金
XGBoost模型
反馈控制模块
模型训练模块
标注方法
双向长短期记忆网络
置信度算法
标注装置
界面
CT成像方法
低剂量CT图像
图像去噪模型
重建CT图像
噪声图像
功能模块
输入接口
代码生成方法
结构化数据格式
验证平台