典型文献
基于双深度神经网络的光功率预测方法
文献摘要：
光伏发电是新兴的清洁能源发电方式之一,其光功率受辐照度等环境因素影响较大,导致注入电网的电量不稳定.采集的环境数据能准确预测发电量变化趋势,对电网平稳运行具有重要意义.现有光功率预测方法大多采用单个模型构建预测结构,当面对不同环境数据时预测结果不够稳定.文中提出一种基于双深度神经网络的光功率预测方法,该方法以BPNN(back propagation neural networks)和LSTM(long short term memory)为基础判别器,并通过遗传算法将二者融合为更加精确和鲁棒的光功率预测模型.在东北电网实际数据集上的实验结果表明,相比现有单一神经网络模型,文中提出的方法具有更高的判别精度,且预测结果更加稳定.
文献关键词：
光功率预测;BPNN;LSTM;遗传算法
中图分类号：
作者姓名：
张弘鹏;刘家庆;郭希海;孙羽;徐峥
作者机构：
国家电网有限公司 东北分部,沈阳 110180
文献出处：
引用格式：
[1]张弘鹏;刘家庆;郭希海;孙羽;徐峥-.基于双深度神经网络的光功率预测方法)[J].重庆大学学报,2022(01):50-58
A类：
B类：
深度神经网络,光功率预测,光伏发电,清洁能源,能源发电,辐照度,环境数据,准确预测,发电量,当面,不同环境,BPNN,back,propagation,neural,networks,long,short,term,memory,判别器,功率预测模型,北电,实际数据
AB值：
0.30837
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
