基于增量学习的CNN-LSTM光伏功率预测OA
CNN-LSTM photovoltaic power prediction based on incremental learning
针对目前大部分光伏功率预测模型采用批量离线训练方式,且新建光伏电站训练数据较少的问题,本文提出一种基于增量学习的卷积神经网络(CNN)和长短期记忆(LSTM)网络结合的光伏功率预测模型.首先,采用CNN对气象数据进行特征提取,并通过LSTM网络进行功率预测,以此CNN-LSTM混合模型进行背景学习,训练出可用于增量学习的基准模型.其次,根据不同的时间跨度进行增量学习训练,实现模型的在线更新.针对增量学习中的灾难性遗忘问题,采用弹性权重整合(EWC…查看全部>>
Most photovoltaic(PV)power prediction models adopt batch offline training,which poses a challenge on dealing with limited training data for newly established PV power plants.In order to address this issue,a PV power prediction model based on a combination of convolutional neural network(CNN)and long short-term memory(LSTM)network using incremental learning is proposed.Firstly,the CNN is used to extract the features of the meteorological data,and the power pr…查看全部>>
严璐晗;林培杰;程树英;陈志聪;卢箫扬
福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福州 350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福州 350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福州 350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福州 350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福州 350108
光伏功率预测长短期记忆(LSTM)网络增量学习弹性权重整合(EWC)算法
photovoltaic power predictionlong short-term memory(LSTM)networksincremental learningelastic weight consolidation(EWC)algorithm
《电气技术》 2024 (5)
31-40,10
福建省科技厅引导性基金资助项目(2022H0008)福建省级科技创新重点资助项目(2022G02011)
评论