龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江科技大学
申请日：2024-04-28
公开（公告）日：2024-06-21
公开（公告）号：CN118228888A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q50/06;G06N3/0499;G06N3/0985;G06F18/23213;G06F18/214;G06N3/006
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于深度混合核极限学习机模型的光伏功率预测方法及系统，方法按如下步骤：S1，对数据进行预处理，将数据集划分为训练集和测试集，利用SCC对气象因素进行筛选；S2，利用K‑means算法对原始数据进行相似日聚类，将数据分为晴天、多云、雨天三个类别，选取最后一天作为测试集，其余作为训练样本；S3，将一类天气中的光伏发电功率进行变分模态分解法VMD分解，分解后的数据和气象因素一起作为数据输入到DHKELM中；S4，初始化IDBO参数，设置种群规模、最大迭代次数；S5，构建DHKELM模型，将训练集和测试集分别送入DHKELM模型进行预测，并采用IDBO优化网络的超参数；S6，将各个分量重构得到最后的光伏发电功率预测输出。
主权项：1.基于深度混合核极限学习机模型的光伏功率预测方法，其特征是按如下步骤：S1，对数据进行预处理，将数据集按比例划分为训练集和测试集，利用斯皮尔曼相关系数SCC对气象因素进行筛选；S2，利用K-means算法对原始数据进行相似日聚类，将数据分为晴天、多云、雨天三个类别，选取最后一天作为测试集，其余作为训练样本；S3，将一类天气中的光伏发电功率进行变分模态分解法VMD分解，分解后的数据和气象因素一起作为数据输入到深度混合核极限学习机DHKELM中；S4，初始化蜣螂算法IDBO参数，设置种群规模、最大迭代次数；S5，构建深度混合核极限学习机DHKELM模型，将训练集和测试集分别送入深度混合核极限学习机DHKELM模型进行预测，并采用蜣螂算法IDBO优化网络的超参数；S6，将各个分量重构得到最后的光伏发电功率预测输出。
全文数据：
权利要求：
百度查询： 浙江科技大学 基于深度混合核极限学习机模型的光伏功率预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号