摘要
本发明公开了一种光伏理论发电量预测方法、系统及终端。涉及光伏发电量预测技术领域;收集源域数据和目标域数据并进行预处理,在预处理后的源域数据的基础上构建源域模型并进行预训练;将训练后的源域数据权重迁移到目标域数据上,通过迁移学习对目标域数据进行微调,在预处理后的目标域数据的基础上训练源域模型,得到目标域模型;使用领域对抗神经网络DANN优化目标域模型,通过对抗训练消除源域数据与目标域数据之间的数据分布差异,得到优化后的特征提取器;结合CNN和LSTM并进行训练,利用目标域模型和优化后的特征提取器,构建最终的预测模型;将目标光伏电站的发电量数据输入预测模型中预测目标电站的理论发电量。
技术关键词
发电量预测方法
特征提取器
光伏电站
系统配置数据
LSTM模型
理论
发电量预测系统
数据分布
光伏发电量预测
阶段
随机搜索方法
评估预测模型
优化预测模型
长短期记忆网络
数据收集模块
分类器
系统为您推荐了相关专利信息
发动机轴承
迁移学习神经网络
故障诊断方法
故障诊断模型
特征提取器
温度智能调控
微生物肥料
特征提取模块
时序
矩阵
刀具磨损预测方法
信号特征
刀具磨损预测模型
生成特征
卷积特征
分布式光伏电站
功率预测方法
数据
预测发电功率
时间段