基于EMD-CNN深度神经网络的光伏配电网电压预测方法

    公开(公告)号:CN110956312B

    公开(公告)日:2022-11-15

    申请号:CN201911117638.2

    申请日:2019-11-15

    摘要: 本发明公开了一种基于EMD‑CNN深度神经网络的光伏配电网电压预测方法。本发明的方法包括:步骤1,对原始电压时间序列数据进行最大最小归一化处理;步骤2,进行经验模态EMD分解,得到不同频率的固有模态分量以及一项残差分量;步骤3,构造输入数据矩阵:分别将固有模态分量按照二维数据矩阵排列置于不同通道中,利用卷积核实现各平稳分量中特征提取;步骤4,训练卷积神经网络CNN预测模型并进行预测。本发明从系统的角度出发,通过数据挖掘的手段来针对性地对含高比例光伏配电网的电压进行高精度预测,掌握电压变化趋势,为实现高比例光伏配电网的无功电压智能化高效运行提供有力的数据支撑。

    基于EMD-CNN深度神经网络的光伏配电网电压预测方法

    公开(公告)号:CN110956312A

    公开(公告)日:2020-04-03

    申请号:CN201911117638.2

    申请日:2019-11-15

    摘要: 本发明公开了一种基于EMD-CNN深度神经网络的光伏配电网电压预测方法。本发明的方法包括:步骤1,对原始电压时间序列数据进行最大最小归一化处理;步骤2,进行经验模态EMD分解,得到不同频率的固有模态分量以及一项残差分量;步骤3,构造输入数据矩阵:分别将固有模态分量按照二维数据矩阵排列置于不同通道中,利用卷积核实现各平稳分量中特征提取;步骤4,训练卷积神经网络CNN预测模型并进行预测。本发明从系统的角度出发,通过数据挖掘的手段来针对性地对含高比例光伏配电网的电压进行高精度预测,掌握电压变化趋势,为实现高比例光伏配电网的无功电压智能化高效运行提供有力的数据支撑。