用于预测光伏PEM电解槽能效值的神经网络模型的训练方法及设备

本申请涉及新能源领域，公开了一种用于预测光伏PEM电解槽能效值的神经网络模型的训练方法及设备。通过训练包括分类网络‑回归网络两层级联结构的神经网络模型，输入样本首先通过分类网络确定其所属的电解槽能效范围，然后再通过对应类别的回归网络得到最终的电解槽能效预测值，通过分类网络和回归网络的协同工作，有效地利用数据的分布特点来提高神经网络模型预测的准确性。通过基于注意力机制的神经网络模型来预测PEM电解槽的状态，在电解槽状态识别的基础上，采用逆向智能优化算法，以提高电解槽效率和光伏利用率为目标，实现光伏PEM电解水过程的逆向智能优化。