基于深度学习的聚光太阳能电站热功率预测研究 | |
李嵩山2; 马志程1; 张晓英2; 周强1; 陈伟2 | |
刊名 | 工业仪表与自动化装置 |
2021-12-15 | |
期号 | 06页码:58-64 |
关键词 | 聚光太阳能电站 热功率预测 神经网络 时空耦合特征 |
DOI | 10.19950/j.cnki.cn61-1121/th.2021.06.011 |
英文摘要 | 由于太阳能具有不确定性和随机性,使得对聚光太阳能电站的热功率进行准确预测难度较大。该文提出了一种基于深度学习的热功率预测方法。首先建立标准贯入实验装置的机理模型,识别主要气象因素,避免模型输入选择的主观性;其次利用卷积神经网络和长短期记忆网络对识别出的主要气象因子进行特征提取,充分挖掘气象因子之间的时空耦合特征;最后,由完全连接的层输出得到热功率。仿真结果表明,该文提出的深度学习预测法能够得到更优的热功率预测结果。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/156058] |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.国网甘肃省电力公司电力科学研究院 2.兰州理工大学电气工程与信息工程学院; |
推荐引用方式 GB/T 7714 | 李嵩山,马志程,张晓英,等. 基于深度学习的聚光太阳能电站热功率预测研究[J]. 工业仪表与自动化装置,2021(06):58-64. |
APA | 李嵩山,马志程,张晓英,周强,&陈伟.(2021).基于深度学习的聚光太阳能电站热功率预测研究.工业仪表与自动化装置(06),58-64. |
MLA | 李嵩山,et al."基于深度学习的聚光太阳能电站热功率预测研究".工业仪表与自动化装置 .06(2021):58-64. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论