全网唯一标准王
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210987214.7 (22)申请日 2022.08.17 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 张承慧 李建靖 孙波  (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李琳 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H02J 3/00(2006.01) (54)发明名称 一种分时段-多任务学习的光伏功率日前预 测方法及系统 (57)摘要 本发明提供了一种分时段 ‑多任务学习的光 伏功率日前预测方法及系统, 根据辐照度、 温度 预报值, 预测大致功率趋势; 基于相邻日的特征, 预测具有相邻性的功率趋势; 提取相同天气类型 下的历史相似特征, 预测具有相似性的功率趋 势; 根据大致功率趋势、 相邻性和相似性功率趋 势, 利用遗传算法对确定各个功率趋势的最优比 值求解, 通过分时段整合的方法将各个功率趋势 整合后, 得到最终预测结果。 本发明基于深度学 习和多任务学习 ‑分时段整合框架, 使预测更具 针对性和适应性, 在极端天气类型下也能够刻画 功率波动细节。 权利要求书2页 说明书5页 附图2页 CN 115409249 A 2022.11.29 CN 115409249 A 1.一种分时段 ‑多任务学习的光伏 功率日前 预测方法, 其特 征是, 包括以下步骤: 根据辐照度、 温度预报值, 预测大致功率趋势; 基于相邻日的特 征, 预测具有相邻性的功率趋势; 提取相同天气类型 下的历史相似特 征, 预测具有相似性的功率趋势; 根据大致功率趋势、 相邻性和相似性功率趋势, 利用遗传算法对确定各个功率趋势 的 最优比值 求解, 通过分时段整合的方法将各个功率趋势整合后, 得到最终预测结果。 2.如权利要求1所述的一种分时段 ‑多任务学习的光伏功率日前预测方法, 其特征是, 大致功率趋势、 相 邻性和相似性功 率趋势的预测, 通过一混合深度学习模型实现, 所述混合 深度学习模型映射未来功率和相关输入因素之 间的关系来进 行预测, 所述相关输入因素包 括历史功率信息、 气象测量数据和 辐照度、 温度预报值。 3.如权利要求2所述的一种分时段 ‑多任务学习的光伏功率日前预测方法, 其特征是, 所述混合深度学习模型的整体时间轴包括历史时间步和未来时间步的并集。 4.如权利要求2或3所述的一种分时段 ‑多任务学习的光伏功率日前预测方法, 其特征 是, 所述混合深度学习模型包括并行的映射模型、 时序模型和卷积神经网络模型。 5.如权利要求4所述的一种分时段 ‑多任务学习的光伏功率日前预测方法, 其特征是, 所述映射模型为Bi ‑LSTM模型, 所述时序模型为 WD‑Bi‑LSTM模型; 所述映射模型确定测量气象数据和历史功率数据之间的映射关系; 所述时序模型利用WD将历史近三相邻日的历史功率序列按照不同频率分解为一个主 低频序列和两个次高频系列, 分别表示不同天气类型下光伏功 率的大致趋势和细节波动情 况, 配合不同的LSTM模 型, 捕捉不同频率下相邻日 的非线性关系和深度耦合特征, 产生具有 相邻特性的功率趋势。 6.如权利要求4所述的一种分时段 ‑多任务学习的光伏功率日前预测方法, 其特征是, 所述卷积神经网络模型提取相同天气类型下的历史相似特征, 考虑不同天气条件下光伏发 电规律, 将光伏发电历史数据对应的簇划分为若干中天气条件; 对应预测日的天气类型, 将相似的历史天气数据聚类并传递至不同的卷积神经网络模 型, 得到具有历史相似特性的功率结果。 7.如权利要求1所述的一种分时段 ‑多任务学习的光伏功率日前预测方法, 其特征是, 分时段整合的方法将各个功 率趋势整合的具体过程为, 考虑每日在不同时段天气条件变化 对光伏出力的影响, 功率趋势爬坡过程受气象因素影响较小, 中间时段受气象因素影响较 大的原则, 对各 预测结果进行权 重的分配。 8.一种分时段 ‑多任务学习的光伏 功率日前 预测系统, 其特 征是, 包括: 映射模块, 被 配置为根据辐照度、 温度预报值, 预测大致功率趋势; 时序提取模块, 被 配置为基于相邻日的特 征, 预测具有相邻性的功率趋势; 相似性预测模块, 被配置为提取相同天气类型下的历史相似特征, 预测具有相似性的 功率趋势; 分时段整合模块, 被配置为根据大致功率趋势、 相邻性和相似性功率趋势, 利用遗传算 法对确定各个功率趋势的最优比值求解, 通过分时段整合的方法将各个功率趋势整合后, 得到最终预测结果。 9.一种计算机可读存储介质, 其特征是, 其中存储有多条指令, 所述指令适于由终端设权 利 要 求 书 1/2 页 2 CN 115409249 A 2备的处理器加载并执 行权利要求1 ‑7中任一项所述的方法中的步骤。 10.一种终端设备, 其特征是, 包括处理器和计算机可读存储介质, 处理器用于实现各 指令; 计算机可读存储介质用于存储多条指令, 所述指令适于由处理器加载并执行权利要 求1‑7中任一项所述的方法中的步骤。权 利 要 求 书 2/2 页 3 CN 115409249 A 3

.PDF文档 专利 一种分时段-多任务学习的光伏功率日前预测方法及系统

文档预览
中文文档 10 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共10页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种分时段-多任务学习的光伏功率日前预测方法及系统 第 1 页 专利 一种分时段-多任务学习的光伏功率日前预测方法及系统 第 2 页 专利 一种分时段-多任务学习的光伏功率日前预测方法及系统 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 13:35:12上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。