基于LSTM与迁移学习的光伏发电功率预测数字孪生模型OA北大核心CSTPCD
Digital Twin Model of Photovoltaic Power Generation Prediction Based on LSTM and Transfer Learning
文章提出了一种基于长短期记忆网络(long short term memory network,LSTM),面向光伏发电功率预测的数字孪生模型,并通过迁移学习将此模型应用到其他投入运行时间较短、数据不足的光伏系统发电功率预测中.光伏发电功率由于受到太阳辐照度、温度和一些随机因素的影响,具有较强的间歇性和波动性,因此很难进行精确的光伏功率预测;所提出的数字孪生模型,实现了与光伏系统物理实体的同步和实时更新,因此获得比传统预测方法更准确的预测结果,同…查看全部>>
史凯钰;张东霞;韩肖清;解治军
电力系统运行与控制山西省重点实验室(太原理工大学),山西省 太原市 030024电力系统运行与控制山西省重点实验室(太原理工大学),山西省 太原市 030024电力系统运行与控制山西省重点实验室(太原理工大学),山西省 太原市 030024电力系统运行与控制山西省重点实验室(太原理工大学),山西省 太原市 030024
信息技术与安全科学
光伏功率预测数字孪生LSTM迁移学习
《电网技术》 2022 (4)
1363-1371,中插19,10
评论