基于CNN-LSTM的光伏逆变器温度预测方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：在考虑了多种可能影响预测结果的因素后,使用卷积神经网络(CNN)结合长短期记忆网络(LSTM)的方法来预测光伏逆变器的温度变化.这种方法可以有效捕获数据特征之间的空间关系,从而弥补了LSTM层在捕捉数据空间分布方面的不足,同时保留了数据特征的时序性.实验结果显示,结合CNN和LSTM的混合神经网络在光伏逆变器温度预测方面表现出了较高的准确性和稳定性.通过对比分析两种模型的平均绝对误差(MAE)发现,相较于独立使用LSTM模型,采用CNN-LSTM混合神经网络的性能有着明显提升.

作者：

周星泽、宋丽媛、李晓方、刘昊

展开 >

作者单位：

长庆油田分公司新能源事业部陕西西安 710103

长庆油田分公司第三采气厂陕西西安 710103

西安石油大学计算机学院陕西西安 710065

关键词：

光伏逆变器温度预测深度学习 CNN LSTM

出版年：

2024

DOI：