资料下载
×
改进深度学习算法的光伏出力预测方法
消耗积分:1 |
格式:rar |
大小:0.72 MB |
2017-12-17
分享资料个
为提高光伏出力的预测精度，提出了一种改进深度学习算法的光伏出力预测方法。首先，针对传统的深度学习算法采用批量梯度下降（batch gradient descent，BGD）法训练模型参数速度慢的问题，利用随机梯度下降（stochastic gradient descent，SGD）法训练快的优点，提出了一种改进的随机一批量梯度下降（stochastic-batch gradient descent，S-BGD）搜索方法，该方法兼具SGD和BGD的优点，提高了参数训练的速度。然后，针对参数训练过程中容易陷入局部最优点和鞍点的问题，借鉴运动学理论，提出了一种基于梯度累积（gradient pile，GP）的训练方法。该方法以累积梯度作为参数的修正量，可以有效地避免训练陷入局部点和鞍点，进而提高预测精度。最后，以澳大利亚艾丽斯斯普林光伏电站的数据为样本，将所提方法应用于光伏出力预测中，验证所提方法的有效性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
