买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种基于改进长短期记忆神经网络的光伏发电预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116451826B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310074525.9，技术领域涉及：G06Q10/04；该发明授权一种基于改进长短期记忆神经网络的光伏发电预测方法是由陈映雪;冯冠翔;陈华涛;缑林峰;吴芷涵;乌拉德伊万诺夫设计研发完成，并于2023-01-20向国家知识产权局提交的专利申请。

本一种基于改进长短期记忆神经网络的光伏发电预测方法在说明书摘要公布了：本发明涉及一种基于改进长短期记忆神经网络的光伏发电预测方法，应用MohsenShahrouzi提出的EBS优化算法，在提供原始学习数据和LSTM层组成的LSTM神经网络超参数后进一步提出OLSTM模型，将得到比传统模型更高预测精度和实时性的优化结果。LSTM神经网络带有m*n个单元的m个隐藏层和1个密集层构成，利用EBS算法就可以完成高精度超参数的选择，采用OLSTM模型输入超参数XGbest，并将归一化后的数据通过MATLAB工具箱里的LSTM训练函数及预测函数进行训练再对功率进行预测，最终得到预测值。相比于传统的LSTM模型，通过EBS优化和LSTM神经网络结合的OLSTM可以通过自动搜索一套最佳的超参数来取代人工计算找到的超参数，从而显著提高了精确度。

本发明授权一种基于改进长短期记忆神经网络的光伏发电预测方法在权利要求书中公布了：1.一种基于改进长短期记忆神经网络的光伏发电预测方法，其特征在于步骤如下： 步骤1：将收集所得数据作归一化处理： 其中：，为功率，为太阳辐照度，为环境温度；而，对应各个参数的最大值和最小值；对应原始参数，n=1,2,3，为归一化后的功率，且； 将处理后的数据分为两组，选取总数据集的80%的一组数据作为训练集，通过神经网络求得预测模型；另一组采用剩余20%数据作为测试集； 步骤2：在EBS算法中，由下式初始化LSTM的超参数，给定所需要的初始参数N，D，： 其中，，用以衡量给定超参数矩阵的大小，N代表给定超参数数目，D代表维数，即参数的个数，表示最大迭代次数提供了循环的终止条件；表示超参数的下边界值，表示超参数的上边界值，R为随机向量； 步骤3：对所有超参数下的功率值进行评估并将最佳超参数保存到，形成超参数矩阵； 所述最佳超参数为均方误差MSE最小时对应的超参数： 其中：是预测功率值，为实际功率值，i是指第几个功率，n是功率值总数； 步骤4：在超参数矩阵中随机选择一对超参数定义为AB和EB，两个超参数中AB的均方误差MSE小于EB，其中AB的影响因子为CR，EB的影响因子ER： 其中，为EB的均方误差MSE，表示AB的均方误差MSE； 所述超参数的尺寸大小分别由下式表示： 其中：是欧几里得距离，对应矩阵方位，是通过超参数的最大最小适配值和初始值计算所得，是一个避免分母为零的最小常数； 步骤5：由下式更新超参数，并通过步骤3的均方误差MSE进行评估，与原来的进行比较，若比、下的误差更小，则将赋给，同理，若比、下的误差更小，则将赋给； 其中，,为0～1之间的随机数，分别为两个超参数的初始值，且更新的方向相反，是最佳超参数，表示的反向矢量； 步骤6：返回步骤4进行迭代计算，达到最大迭代次数后得到超参数输入LSTM神经网络，并将归一化后的数据通过MATLAB工具箱里的LSTM训练函数及预测函数进行训练再对功率进行预测，最终得到预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。