公开(公告)号：CN112906987A

公开(公告)日：2021-06-04

申请号：CN202110330964.2

申请日：2021-03-29

Applicant: 福州大学

Inventor： 林培杰 ,  程树英 ,  陈振祥 ,  陈志聪 ,  吴丽君 ,  郑茜颖

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16 ,  G06Q50/06

Abstract: 本发明涉及一种基于卷积神经网络和二维气象矩阵的光伏功率预测方法。该方法提出了一种由一维卷积神经网络和二维卷积神经网络构成的混合卷积神经网络模型，以此模型进行光伏发电功率的预测。以待测小时的气象参数为气象特征值通过灰色关联分析算法在电站的历史数据集中寻找待测小时的相似小时数据。然后将这些数据中的多元气象因素转化为二维气象矩阵，便于卷积神经网络深度挖掘气象因素和光伏功率输出的非线性关系。最后，将这些二维气象矩阵作为模型的输入，预测各个小时的发电功率。本发明能够快速准确对光伏电站的发电功率进行预测。

公开(公告)号：CN112906987B

公开(公告)日：2023-02-21

申请号：CN202110330964.2

申请日：2021-03-29

Applicant: 福州大学

Inventor： 林培杰 ,  程树英 ,  陈振祥 ,  陈志聪 ,  吴丽君 ,  郑茜颖

IPC: G06Q10/04 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F17/16 ,  G06Q50/06

Abstract: 本发明涉及一种基于卷积神经网络和二维气象矩阵的光伏功率预测方法。该方法提出了一种由一维卷积神经网络和二维卷积神经网络构成的混合卷积神经网络模型，以此模型进行光伏发电功率的预测。以待测小时的气象参数为气象特征值通过灰色关联分析算法在电站的历史数据集中寻找待测小时的相似小时数据。然后将这些数据中的多元气象因素转化为二维气象矩阵，便于卷积神经网络深度挖掘气象因素和光伏功率输出的非线性关系。最后，将这些二维气象矩阵作为模型的输入，预测各个小时的发电功率。本发明能够快速准确对光伏电站的发电功率进行预测。