龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：之江实验室;中国科学技术大学
摘要：本发明公开了一种基于解耦架构和自适应多尺度卷积的光伏功率预测方法，包括：对光伏数据集的变量进行缺失值、异常值、缺失时间步检测，并将检测得到的缺失值、异常值、缺失时间步用线性插值代替；将数据集划分为训练集、验证集、测试集，对数据集中各个变量的历史数据集进行最大最小归一化；对输入变量用皮尔逊相关系数检测法进行特征选择，选择出与历史光伏功率相关性强的变量；构建基于解耦架构的自适应多尺度卷积模型，通过训练集对模型进行训练；根据模型在验证集上的精度选出精度最高的模型，将该模型用于在测试集上测试模型的预测表现，得到光伏发电功率预测值。通过本发明实现预测未来多个时间步的光伏功率变化情况，提高电网系统稳定性。
主权项：1.一种基于解耦架构和自适应多尺度卷积的光伏功率预测方法，其特征在于，包括以下步骤：1获取光伏发电站的光伏数据集，所述光伏数据集的变量包括历史发电功率、辐射度、温度、湿度、气压、降雨量；对所述光伏数据集的变量进行缺失值检测、异常值检测、缺失时间步检测，将检测得到的缺失值、异常值、缺失时间步用线性插值代替；2根据输入的历史长度大小和预测的范围大小，将所述光伏数据集按照时间先后顺序划分为训练集、验证集、测试集，划分比例为6:2:2；使用训练集的最大值、最小值对光伏数据集中各个变量的历史数据集进行最大最小归一化；3对输入变量用皮尔逊相关系数检测法进行特征选择，选择出与历史光伏功率相关性强的变量，包括历史发电量、辐射度、温度；排除掉与历史光伏功率相关性低的变量，包括气压、湿度；4构建基于解耦架构的自适应多尺度卷积模型，通过所述训练集对自适应多尺度卷积模型进行训练；根据自适应多尺度卷积模型在验证集上的精度选出精度最高的模型，将该模型用于在测试集上测试模型的预测表现，该模型的输出即为最终的光伏发电功率预测值。
全文数据：
权利要求：
百度查询： 之江实验室 中国科学技术大学 基于解耦架构和自适应多尺度卷积的光伏功率预测方法
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