论文摘要
随着对能源利用效率要求的提高及日益激增的光伏数据,传统的光伏预测方法已逐渐丧失优势。为了更加准确地进行光伏预测,采用深度学习的框架,并利用循环神经网络(RNN)中最重要的一个结构——长短时记忆网络(LSTM)对时间序列的强大处理能力进行了智能算法建模。由于LSTM具有"遗忘"与"更新"功能,很好地解决了长序依赖问题,从而使光伏预测在精度上有了质的变化,预测速度也得到显著提升。
论文目录
文章来源
类型: 期刊论文
作者: 崔承刚,邹宇航
关键词: 光伏预测,深度学习算法,循环神经网络,长短时记忆网络
来源: 上海电力学院学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 上海电力学院自动化工程学院
基金: 国家自然科学基金青年科学基金(51607111)
分类号: TP18;TM615
页码: 544-552+579
总页数: 10
文件大小: 1679K
下载量: 268