开放存取
问题 |
E3S网页汇编
卷积3362022
能源和绿色计算国际会议 |
|
---|---|---|
文章号 | 万六十四 | |
页数 | 8 | |
多尔市 | https://doi.org/10.1051/e3sconf/202233600064 | |
在线发布 | 2022年1月17日 |
必威主页
336en64 (2022)
短时光电预测新深入方法基于GRU-CNN模型
一号LRTIT摩洛哥拉巴特MohammedV大学
2FLSH摩洛哥拉巴特Mohamedv大学
*电子邮件:sabri.mohamed195@gmail.com
网际网际网际网路电子邮件:mohamed.elhassouni@flsh.um5.ac.ma
光电电集成带通清洁能源的密钥然而,光电资源随机和间歇性导致电源系统中光电量比例增加,这给系统操作者发送光电电站制造困难。减少光电使用的负面影响,精确预测光电意义重大本文建议高精度混合神经网络模型使用Ged常量单元和卷积神经网络构建GRU-CNN模型预测PV系统输出电量拟议的框架分两个主要阶段。第一,样本数据划分为训练集和测试集数据集时间特征使用GRU模型提取,空间特征使用CNN模型获取第二,最终预测光电通过输出层获取GRU-CNN预测精度取决于平均绝对误差(MAE)、平均方差(MSE)、判定系数(R)2和root平均方差值比较实验结果显示GRU-CNN模型比某些深学习方法精度高,包括GRU、CNN和长期短时存储模型
必威西汉姆赞助2022年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间