摘要
本发明属于光伏出力预测领域,尤其涉及到一种基于MCNN‑BiGRU的光伏电站中期出力预测方法及系统,获取数据,对数据进行预处理;构造多通道卷积神经网络模型,获取超参数;设计双向门循环控制单元,获取控制单元损失函数的权重与偏置组合;测试深度学习模型,得到预测结果;通过对原始数据的获取并进行预处理,确保了预测结果的可靠性;通过构造多通道卷积神经网络,实现了通过多个卷积核并行处理不同特征通道,从而增强了对局部特征的提取能力;通过设计双向门控循环单元,实现了能够捕捉时序数据中的双向依赖关系,通过测试深度学习模型,实现了对模型性能的评估。
技术关键词
出力预测方法
光伏电站
控制单元
双向门
卷积神经网络池化层
超参数
深度学习模型
神经网络输出层
数据采集模块
训练集
门控循环单元
时序特征
处理器
计算机设备
通道
可读存储介质
存储器
系统为您推荐了相关专利信息
驾驶员检测系统
车窗控制器
智能驾驶员
驾驶员交互系统
驾驶员监控
灯具控制电路
LED信号灯
放电单元
电池组
二极管
螺旋桨桨叶
划线系统
数据处理模块
系统模块
机械臂组件
按摩控制系统
热调节系统
电加热元件
温控算法
加热模块
超表面
架构设计方法
交叉控制方法
PIN二极管
波束调控