-
题名基于CNN-Bi-LSTM的太阳辐照度超短期预测
被引量：30
- 1
-
-
作者
倪超
王聪
朱婷婷
过奕任
-
机构
南京林业大学机械电子工程学院
东南大学复杂工程系统测量与控制教育部重点实验室
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2022年第3期197-202,共6页
-
基金
国家自然科学基金青年项目(62006120)
东南大学复杂工程系统测量与控制教育部重点实验室开放课题(MCCSE2020A02)。
-
文摘
针对太阳辐射引起光伏出力的不确定性和波动性,进而造成大量光伏发电并网时对电网稳定性和安全的危害,提出一种新的太阳辐射超短期预测方法。该方法通过构建一维卷积神经网络,对多个关键气象变量进行数据融合和特征转换,然后构造双向长短期记忆网络预测模型,实现对未来15 min的太阳总辐照度的超短期预测。实验结果表明,所提出的预测模型相对传统的机器学习方法可有效提高超短期太阳总辐照度的预测精度,且相对持续模型在相对方差上提高了约14%。
-
关键词
太阳辐照度
预测
卷积神经网络
超短期
双向长短期记忆网络
-
Keywords
solar irradiance
forecasting
convolutional neural networks
super-short-term
bidirectional long short-term memory
-
分类号
TM615
[电气工程—电力系统及自动化]
-
-
题名基于网络集成的太阳全辐射超短期混合预测方法
被引量：2
- 2
-
-
作者
过奕任
张梦叶
朱婷婷
王聪
倪超
-
机构
南京林业大学机械电子工程学院
-
出处
《工业控制计算机》
2020年第9期35-36,39,共3页
-
文摘
针对引起光伏发电量波动和突变的太阳全辐射,提出了一种基于网络集成的太阳全辐射超短期混合预测模型。首先,根据太阳全辐射在不同天气情况下的变化特性,构建混合模型的初级子模型,分别为针对变化平缓的多元线性回归模型和针对剧烈变化的非线性支持向量回归模型和神经网络模型;然后,设计一个含有两个隐层的四层感知器模型,融合三个初级子模型的预测结果,实现对未来15分钟太阳全辐射量的预测。采用网上公开数据库数据测试提出的混合预测模型性能,实验结果为所提出的混合模型预测值和真实测量值的相关系数高达0.945、预测平均误差约为0.9Wm-2,表明该混合模型的有效性。
-
关键词
太阳全辐射
超短期预测
混合模型
-
Keywords
global horizontal irradiance
very short term
hybrid model
-
分类号
TM615
[电气工程—电力系统及自动化]
-
-
题名基于DAR-CapsNet的地基云图云分类
- 3
-
-
作者
魏亮
朱婷婷
过奕任
倪超
滕广
李岩
-
机构
南京林业大学机械电子工程学院
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第11期189-195,共7页
-
基金
国家自然科学基金青年项目(62006120)。
-
文摘
在当前地基云图分类任务中,存在识别准确率低等问题。为了提高云分类的精度,有效融合深度可分离卷积、注意力机制和残差结构的特点,构建DAR-CapsNet地基云图分类模型。首先,收集整理美国国家新能源实验室公开数据库中的地基云图,构建云分类数据库;然后,对所提出的DAR-CapsNet分类模型进行训练优化;最后,在不同数据集上验证所提出的分类模型性能。实验结果表明所提出的DAR-CapsNet分类模型,分类准确率高达95.50%,优于现有公开分类方法,且在不同数据集上具有较好的泛化性能。
-
关键词
光伏发电
气象云
图像分类
卷积神经网络
机器学习
-
Keywords
photovoltaic power generation
clouds
image classification
convolutional neural networks
machine learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于局部卷积网络的地基云图修复
被引量：1
- 4
-
-
作者
朱婷婷
过奕任
李元哲
-
机构
南京林业大学机械电子工程学院
东南大学复杂工程系统测量与控制教育部重点实验室
-
出处
《中国科技论文》
CAS
北大核心
2022年第3期269-273,共5页
-
基金
国家自然科学基金资助项目(62006120)
东南大学复杂工程系统测量与控制教育部重点实验室开放课题基金资助项目(MCCSE2020A02)。
-
文摘
为修复全天空成像仪拍摄的地基云图中的大面积遮挡区域,提出了一种基于局部卷积神经网络的地基云图修复方法。通过在传统卷积神经网络的基础上增加网络结果整体跨层传输结构,连接对需修复图像的编码和解码两部分,实现了以含遮挡图像的输入到修复完图像的输出全过程。采用美国国家新能源实验室网上公开数据,从定性和定量的角度分析不同天气情况下所提出修复方法的性能,实验结果表明,基于局部卷积网络的地基云图修复方法可以较为真实地还原天空情况,取得优于现有方法的修复效果,为光伏电站输出功率预测提供了重要的数据。
-
关键词
模式识别
图像处理
局部卷积网络
地基云图
-
Keywords
pattern recognition
image processing
partial convolutional network
ground-based cloud image
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
