一种基于DCLSTNet神经网络模型预测光伏发电量的方法

摘要

本发明公开一种基于DCLSTNet神经网络模型预测光伏发电量的方法，涉及光伏发电领域。该基于DCLSTNet神经网络模型预测光伏发电量的方法，包括以下的步骤：S1：问题引入；S2：纵向卷积层；S3：横向卷积层；S4：循环层；S5：跳接记忆循环层；S6：线性自回归；S7：整合预测；S8：优化策略。该基于DCLSTNet神经网络模型预测光伏发电量的方法，采用DCLSTNet模型，充分考虑并挖掘了光伏发电过程数据的相关性，整合线性(VAR模型)和非线性(深度神经网络模型)模型的输出，并对结果进行预测，更好的体现了数据价值，相较于传统的根据天气进行测算，大数据预测算法有着准确并且成本低廉的优点。