典型文献
基于GRU神经网络的光伏电站数据预处理方法
文献摘要：
光伏电站数据为时间序列数据,会受到通信传输、逆变器采集等因素的影响而包含大量异常数据,故该文研究一种基于深度学习的光伏电站数据预处理算法,进行数据清洗等预处理.一方面,根据组串逆变器的工作特性,对光伏电站数据的常见异常类型进行分析标记,结合滑动窗口法划分数据,构建用于深度学习训练的光伏电站数据集.另一方面,从激活函数、损失函数以及隐藏层等方面优化GRU神经网络模型,并利用自建数据集对该模型进行训练和测试.测试结果表明:该模型在实际光伏电站数据上的处理准确率达99.84％.
文献关键词：
光伏发电;逆变器;神经网络;数据处理;网络性能
中图分类号：
作者姓名：
王丽朝;孟子尧;陈诗明;许盛之;龚友康;赵颖
作者机构：
南开大学电子信息与光学工程学院光电子薄膜器件与技术研究所,天津 300350;薄膜光电子技术教育部工程研究中心,天津 300350;天津市光电子薄膜器件与技术重点实验室,天津 300350;南开大学大数据管理中心,天津 300350
文献出处：
引用格式：
[1]王丽朝;孟子尧;陈诗明;许盛之;龚友康;赵颖-.基于GRU神经网络的光伏电站数据预处理方法)[J].太阳能学报,2022(11):78-84
A类：
组串逆变器
B类：
GRU,光伏电站,数据预处理方法,时间序列数据,通信传输,异常数据,数据预处理算法,数据清洗,工作特性,常见异常,滑动窗口法,学习训练,激活函数,损失函数,自建数据集,光伏发电,网络性能
AB值：
0.293328
相似文献
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。
