买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：石河子大学

摘要：本发明公开了一种光伏日前功率预测方法，包括：确定光伏电站的历史气象数据和历史输出功率；对历史数据进行DBSCAN异常值识别以及最近邻插补法的缺失值重构的数据预处理；基于预处理之后的历史数据划分训练集与测试集；构建CNN‑BIGRU预测模型，采用KOA物理元启发式对CNN‑BIGRU超参数进行寻优操作；加入Attention机制；使用滚动数据输入模式，使用月历史数据对构建的预测模型进行训练，以MAPE为目标函数；得到训练完成模型对测试集进行预测。

主权项：1.一种光伏功率日前预测方法，其特征在于，包括：确定光伏电场的历史气象数据和历史功率数据；对数据使用DBSCAN异常值识别和最近邻插补法缺失值重构的预处理方法；划分训练集和测试集，采用数据滚动输入方式；构建CNN-BIGRU-Attention的日前预测模型，采用物理元启发式KOA对超参数进行优化；对模型进行训练，对网络参数进行迭代选择，使得满足目标精度；使用训练完成后模型对测试集进行预测验证，得到日前输出功率预测结果。S1.DSBCAN异常值识别1设置区域半径Eps和最少数目MinPts。2计算在任一样本的半径Eps内的样本数，数量大于MinPts则标记该样本点为核心点，否则就暂标记为噪声点，因为噪声点多为波动数据点。3从核心点开始找到所有密度可达点，标记为同一类别，即为平稳数据集。4再从未被选定的点中随机重复步骤2到3，直到所有数据都被标记完毕。其闵可夫斯基距离公式如下： 式中n为数据个数，p＝2，取欧式距离。S2.最近邻插补法：通过寻找与缺失数据最相似的K个最近邻观测，用它们的值来估算缺失数据的值。S3.滚动输入方式根据滚动预测原理，{xt-2,xt-1},输出为{Gt-1，Gt},其中x表示当天的气候因子，共24列7行。24为每天按1h间隔取值，每时刻包含7个气候因子，Gt表示t天内24时刻的发电功率。输入和输出集合随着tt＝4,……，30or31}的变化而变化。S4.CNN-BIGRU预测模型采用二维卷积将原始时序数据转换成二维灰度图像来提取转换后的图像特征，将转化为double类型的张量便于CNN输入，CNN用于提取关键特征，BiGRU由两个GRU组成；一个是正向GRU模型，接受前向的输入；另一个为反向GRU模型，学习反向的输入；能够有效地捕捉输入序列中的长期依赖性。CNN-BIGRU结构图如所示S5.KOA优化算法使用物理元启发式算法KOA对CNN-BIGRU预测模型超参数寻优，通过模拟“太阳”恒星为中心来可视化其寻优空间。在开普勒优化算法KOA中，在不同时空上行星候选解和恒星目前最佳解所处情况不同，使得搜索空间能够被高效搜索和利用S6.Attention机制通过计算输入序列隐藏层向量与输出的相关性得分，得到隐藏层向量的注意力权重，其作用是帮助模型根据注意力权重大小从输入中抽取关键信息，降低无关部分的影响。自注意力层被嵌入到GRU层后，自注意力层用于捕捉时间序列数据中的全局依赖关系，自注意力机制允许网络在学习时动态地调整各个时间步的权重，以便更好地捕捉长期依赖和全局模式。S7.以MAPE为目标函数，当损失低于阈值时或者迭代次数达到最大设定次数时停止训练并输出测试集预测结果，未达理想精度则调整超参数范围，重新进行训练。

全文数据：

权利要求：

百度查询： 石河子大学 一种光伏日前功率预测方法