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：杭州师范大学

摘要：本发明公开了一种基于时空协同的混合模型光伏发电功率预测方法；本发明通过结合多头注意力机制有效融合CNN和LSTM学习到的特征表示，实现了CNN和LSTM在表达水平上的相互提升；通过并行训练，二者可以相互影响学习优化方向，充分发挥各自网络结构在时空信息提取上的优势，进而提升模型的鲁棒性和精度。此外，本发明基于蜣螂优化算法寻找到模型的全局最优超参数，减少模型训练所需的时间，并通过使用Logistic混沌映射对蜣螂优化算法的种群进行初始化，使种群分布更加均衡，进而提高算法的收敛性和优化精度。

主权项：1.一种基于时空协同的混合模型光伏发电功率预测方法，其特征在于：包括以下步骤：步骤一、构建数据集；数据集中包含光伏发电站的多个影响因素及其对应的发电功率的时序数据；影响因素在降雨、风向、扩散水平辐照度、全球水平辐照度、湿度、气温、风速和电流中选择得到；选择过程为：皮尔逊相关系数法挑选出与发电功率相关性高的数据作为影响因素；步骤二、构建进行功率预测模型；功率预测模型包括CNN多头注意力机制模块、LSTM多头注意力机制模块、结合模块和全连接层；LSTM多头注意力机制模块包括长短时记忆网络和第一多头注意力机制层；CNN多头注意力机制模块包括卷积神经网络和第二多头注意力机制层；第一多头注意力机制层、第二多头注意力机制层和结合模块均采用多头注意力机制结构；长短时记忆网络输出的特征作为输入传输进第一多头注意力机制层；卷积神经网络输出的特征作为输入传输进第二多头注意力机制层；第一多头注意力机制层的输出向量C1和第二多头注意力机制层输出向量C2共同输入结合模块进行融合；所得融合结合向量输入至全连接层；全连接层输出预测结果；步骤三、设定长短时记忆网络和卷积神经网络的超参数；通过蜣螂优化算法分别寻找长短时记忆网络和卷积神经网络的全局最优超参数，并将所得的长短时记忆网络和卷积神经网络的全局最优超参数，分别赋值到长短时记忆网络和卷积神经网络中；蜣螂优化算法中种群的初始位置通过Logistic混沌映射的方法确定；蜣螂优化算法中使用均方误差作为适应度函数；步骤四、基于数据集构建训练集，并利用训练集对CNN多头注意力机制模型和LSTM多头注意力机制模型进行并行训练；步骤五、利用经过训练的功率预测模型进行光伏发电站的发电功率预测。

全文数据：

权利要求：

百度查询： 杭州师范大学 一种基于时空协同的混合模型光伏发电功率预测方法