摘要
本发明公开了基于CNN‑GRU神经网络的光伏发电厂碳减排量预测方法及系统,涉及光伏碳减排预测技术领域,包括:获取光伏电厂原始历史数据,将光伏电厂原始历史数据进行清洗预处理,将预处理后的光伏电厂原始历史数据进行归一化处理并使用皮尔森相关系数确定与发电量功率输出相关的特征值,得到光伏电厂数据集;将光伏电厂数据集输入至预先建立的CNN‑GRU预测网络模型内进行训练,通过调整CNN‑GRU预测网络模型的超参数,得到训练后的CNN‑GRU预测网络模型;利用训练后的CNN‑GRU预测网络模型对光伏电厂数据集进行预测,得到预测的光伏发电数据,并使用碳减排核算方法学对预测的光伏发电数据进行碳减排量预测,可以有效地预测未来的碳减排量。
技术关键词
预测网络模型
GRU神经网络
量预测方法
光伏发电数据
门控循环单元
特征值
光伏发电量
项目
温室气体排放量
量预测系统
预测误差
光伏发电功率
双曲正切函数
模型训练模块
处理器
可读存储介质
数据处理模块
系统为您推荐了相关专利信息
时空分布预测方法
交通流信息
城市交通流
交通流特征
序列
深度预测模型
内容推荐方法
点击率预测
时间卷积网络
门控循环单元网络
数据获取请求
车辆实时数据
终端系统
时延
门控循环单元
门控循环单元
时序特征
注意力
强化学习方法
网络
预测序列数据
门控循环单元网络
统计特征
Delaunay三角剖分
内部温度传感器