摘要
本发明提供了一种牵引供电系统的光伏功率预测方法、装置、终端及介质,包括:基于卷积神经网络和双向长短期记忆网络构建CNN‑BiLSTM光伏功率预测模型,并利用预处理后的历史性能数据对所述CNN‑BiLSTM光伏功率预测模型进行训练;引入自适应权重系数、融合鲸鱼优化算法并应用Lévy飞行策略对蜣螂优化算法进行改进,得到改进蜣螂优化算法;利用所述改进蜣螂优化算法对所述CNN‑BiLSTM光伏功率预测模型超参数进行寻优。本发明所述的牵引供电系统的光伏功率预测方法、装置、终端及介质,可用于柔性直流牵引供电系统光伏功率预测,解决了现有预测模型时空特征提取能力不足、传统优化算法易陷入局部最优的问题。
技术关键词
牵引供电系统
历史性能数据
光伏功率预测方法
鲸鱼优化算法
光伏发电模块
柔性直流
双向长短期记忆网络
模型超参数
位置更新
策略
光伏功率预测装置
计算机可执行指令
特征提取能力
处理器
样本
终端
系统为您推荐了相关专利信息
短期电量预测方法
鲸鱼优化算法
分解算法
梯度提升模型
位置更新
特征提取方法
信号降噪
综合评价指标
复合多尺度排列熵
皮尔逊相关系数
光伏功率预测方法
集合经验模态分解
LSTM模型
模糊C均值
灰色关联分析法
性能指标数据
单板
树状结构节点
历史性能数据
网络结构
光伏功率预测方法
LSTM算法
LSTM神经网络
模态分解方法
信号特征