公开(公告)号：CN111222674A

公开(公告)日：2020-06-02

申请号：CN201910947897.1

申请日：2019-10-08

Applicant: 南昌大学

Inventor： 余运俊 ,  曹骏飞

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

Abstract: 一种基于长短期记忆神经网络的短期光伏发电量预测方法，利用长短期记忆神经网络(LSTMNN)预测太阳辐射量间接计算出光伏发电量，包括以下步骤：获取相关地区光伏系统所接收的太阳辐射量数据及相应的历史气象数据信息；将获取的数据归一化处理，分为测试样本和训练样本两部分，建立LSTMNN进行训练；以预测日之前30天的光伏数据作为输入数据，预测当日的太阳辐射量；将预测结果反归一化处理即可得到当日的太阳辐射量数据。本发明建立的预测模型能够保存较长时间太阳辐射量序列所包含的季节性、波动性和趋势性的信息，克服传统递归神经网络训练过程中梯度消失(爆炸)的问题，进一步提高了预测精度。

公开(公告)号：CN109284870A

公开(公告)日：2019-01-29

申请号：CN201811165643.6

申请日：2018-10-08

Applicant: 南昌大学

Inventor： 余运俊 ,  曹骏飞

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/02

Abstract: 一种基于长短期记忆神经网络的短期光伏发电量预测方法，利用长短期记忆神经网络(LSTMNN)预测太阳辐射量间接计算出光伏发电量，包括以下步骤：获取相关地区光伏系统所接收的太阳辐射量数据及相应的历史气象数据信息；将获取的数据归一化处理，分为测试样本和训练样本两部分，建立LSTMNN进行训练；以预测日之前30天的光伏数据作为输入数据，预测当日的太阳辐射量；将预测结果反归一化处理即可得到当日的太阳辐射量数据。本发明建立的预测模型能够保存较长时间太阳辐射量序列所包含的季节性、波动性和趋势性的信息，克服传统递归神经网络训练过程中梯度消失(爆炸)的问题，进一步提高了预测精度。