一种机理模型嵌入的深度学习光伏短期预测方法

    公开(公告)号:CN117277271A

    公开(公告)日:2023-12-22

    申请号:CN202311009525.7

    申请日:2023-08-09

    Abstract: 本发明涉及一种机理模型嵌入的深度学习光伏短期预测方法,包括:采用Softsign函数替换LSTM模型的tanh函数,采用CSS函数替换LSTM模型的sigmoid函数,得到改进的LSTM模型;将单二极管模型和改进的LSTM模型结合,得到Diode‑LSTM模型,使用历史数据训练Diode‑LSTM模型,得到训练好的Diode‑LSTM模型,使用训练好的Diode‑LSTM模型对未来一段时间内的光伏发电系统输出功率进行预测;将预测的输出功率与实际输出功率进行比较,评估预测的准确性,并根据需要进行调整和优化。本发明具有更好的梯度传递,Softsign函数的梯度在输入接近于0的时候更加平缓,因此可以更好地传递梯度,避免梯度消失或爆炸的问题,具有更快的收敛速度,具有更好的鲁棒性和更好的泛化能力,可以更好地适应不同的数据集和任务。

    基于碳排放流理论的用电侧碳排放精细计量方法

    公开(公告)号:CN115392528A

    公开(公告)日:2022-11-25

    申请号:CN202210633405.3

    申请日:2022-06-06

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于碳排放流理论的用电侧碳排放精细计量方法,涉及配电网碳排放流计算技术领域,所述方法包括:基于储能元件充电过程中实时功率值碳流率,求解储能元件的放电碳势,放电碳势为储能元件放点时刻的节点碳势;基于储能元件放电时刻的碳势和储能元件起始充电时刻电量概率模型,得到由日行驶里程表示的节点碳势;基于由日行驶里程表示的节点碳势,预测节点碳势分布。本发明可实现配网侧碳排放的精细计量,据此来分析用户侧的高碳要素,便于相关部门监测用户侧碳排放情况,制定电能消费者的减碳政策。

Patent Agency Ranking