基于迁移学习的太阳辐照度预测方法及预测系统

授权

摘要

本发明公开了一种基于迁移学习的太阳辐照度预测方法及预测系统，属于太阳辐照度预测技术领域。本发明采用CEEMDAN算法将所构建的目标地区和源地区的历史太阳辐照度数据时序序列、对应分解为多个分量，并利用经模型参数迁移后得到的每个分量对应的目标模型对输入数据进行太阳辐照度预测，并最终将每个目标模型的太阳辐照度预测结果叠加为输入数据对应的太阳辐照度预测结果，其预测效果以及预测稳定性上相较于现有的太阳辐照度预测方法具有明显提升。本发明通过迁移学习技术帮助目标模型获取源模型学习到的知识以提升自身模型的预测性能，解决了现有技术中因数据量不足太阳辐照度预测精度不高的问题。

基本信息

专利标题：

基于迁移学习的太阳辐照度预测方法及预测系统

专利标题（英）：

暂无

公开（公告）号：

CN114201924A

申请号：

CN202210142291.2

公开（公告）日：

2022-03-18

申请日：

2022-02-16

授权号：

CN114201924B

授权日：

2022-06-10

发明人：

严珂黄晶张伟钟宜国

申请人：

杭州经纬信息技术股份有限公司

申请人地址：

浙江省杭州市余杭区良渚古墩路1899号A1幢6楼626-628室

代理机构：

杭州信与义专利代理有限公司

代理人：

丁浩

优先权：

CN202210142291.2

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06N3/04 G06N3/08 G06F119/12