基于深度学习SRNN网络的光伏功率预测

来源 :西安理工大学 | 被引量 : 0次 | 上传用户:flyingflying
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
光伏发电受天气影响很大,所以光伏发电具有高度随机、间歇的性质。随着电网的发展,光伏所占比重越来越大,电网安全准确的调度就需要对光伏发电功率进行预测。针对光伏数据这种时间序列,BP神经网络未加入时间维度上的信息之间的关系民致预测精度不理想,而LSTM和GRU等RNN(递归神经网络)结构在时间序列预测中被广泛使用,RNN具有嵌套结构,预测效果较好,但是缺乏并行计算的能力,所有时刻的输入都要遍历网络,训练时间长,序列在网络中传输过长还会遗忘重要时序信息。本文提出了用SRNN切片神经网络进行光伏预测的方法,以通过分割RNN网络而不影响序列信息来保证并行计算的能力,并且因为RNN被切割,有效信息在网络中传递的次数减少,不容易遗忘,从而使模型精度提高。通过建模和对比验证,结果显示本文提出的方法在光伏预测训练速度和精度方面明显优于LSTM、GRU常见模型。具体内容有:(1)建立数据集,通过数据的相关性分析,根据各维数据与功率之间的相关系数,确定所采用的输入值,由于数据存在缺失以及存在异常值,所以需要对数据进行预处理,包括iForest异常值数据剔除,对数据缺失值进行平均值填充,最后对数据的切片以适成SRNN网络,作为网络的输入建立数据集,其中前80%为训练集,中间10%为验证集,最后10%为测试集。(2)建立模型,为了使SRNN网络预测模型最优,实现高精度和训练速度,进行了实验仿真数据对比来确定网络结构和容量,最终网络的结构选用三层GRU加FC全连接层。GRU和FC的容量分别为300和128-64-1。紧接着为了提高模型精度加入正则化,通过实验确定加入L2正则化。通过优化算法的对比实验,选择Adam优化算法来对网络进行训练。(3)用测试集数据,进行预测验证。通过与其他常用的深度学习方法包括LSTM、BP神经网络、简单RNN网络、GRU网络进行对比,证明了SRNN不管是训练速度还是收敛速度以及模型精度都具有巨大优势,由于其训练速度以及收敛速度快,导致其模型精度也突出的高于其他深度学习方法的模型,证明了SRNN网络的优越性。
其他文献
在当前科技发展的前提下,对图像文本的信息提取已经成为了迈向智能化的关键步骤。光学字符识别(Optical Character Recognition,下面都简称OCR)在很多工业领域中已经成为重中
常规的射击训练中,传统人工报靶方式的不足逐渐显现。人工报靶方式易受到天气、场地以及周边环境的影响,报靶效率低。由于人力成本高且存在安全隐患等问题,人工报靶方式逐步
由于化石燃料的迅速消耗和大量温室气体带来的环境问题,人们迫切寻求绿色可替代能源以及储能设备,高性能储能设备的发展对于生态友好型社会和可再生能源的发展至关重要。超级
本文通过对三元体系流变性及界面张力的测定,评价了降解对三元体系性能的影响。经分析分注与合注室内驱油实验所体现的三元体系降解程度对注入能力和驱油效果的影响,结果表明
甚高频数据交换系统(VHF Data Exchange System,VDES)作为被国际海事组织(International Maritime Organization,IMO)认可的未来海事通信系统的重要组成部分,成为了近年来海
本文研究了不同温度和溶剂对锡林郭勒褐煤分级热溶性能的影响,并对分级热溶产物的组成结构进行表征分析。同时探索不同温度、溶剂、反应时间和催化剂对热溶物加氢液化性能的
在资本市场中,会计信息披露是投资者和社会公众全面了解公司信息的渠道。而且一份完整、及时、真实以及准确的公司信息披露不但可以帮助投资者和社会公众减轻未来的投资风险
随着社会的快速发展与人们生活水平的显著提高,汽车拥有量日益剧增,为保障公民的安全出行以及方便对道路车流的监管,市场上已经构建了强大的视频监控系统。然而对于能直接应
三元黄铜矿Ⅰ-Ⅲ-Ⅵ2型半导体量子点敏化太阳能电池(QDSSC)的增敏剂在太阳能电池领域内得到的研究甚广,如CuInS2、AgInS2等。然而,相比于CuInS2(CIS),CuInSe2量子点(CISe QDs)作为
布拉格铅锌矿床地处中亚成矿域东部的二连浩特-东乌旗成矿带中段,为一典型受断裂控制的中-低温热液脉型矿床,矿体主要赋存在正长花岗岩及石炭-二叠系宝力高庙组第二岩性段英