文献类型：期刊文章

作　　者：王丽朝[1,2,3] 孟子尧[1,2,3] 陈诗明[4] 许盛之[1,2,3] 龚友康[1,2,3] 赵颖[1,2,3]

Wang Lichao;Meng Ziyao;Chen Shiming;Xu Shengzhi;Gong Youkang;Zhao Ying(Institute of Photo-Electronics Thin Film Devices and Technology of College of Electronic Information and Optical Engineering of Nankai University,Tianjin 300350,China;Engineering Research Center of Thin Film Optoelectronics Technology,Ministry of Education,Tianjin 300350,China;Key Laboratory of Photoelectronics Thin Film Devices and Technology,Tianjin 300350,China;Big Data Management Center of Nankai University,Tianjin 300350,China)

机构地区：[1]南开大学电子信息与光学工程学院光电子薄膜器件与技术研究所,天津300350 [2]薄膜光电子技术教育部工程研究中心,天津300350 [3]天津市光电子薄膜器件与技术重点实验室,天津300350 [4]南开大学大数据管理中心,天津300350

出　　处：《太阳能学报》

年　　份：2022

卷　　号：43

期　　号：11

起止页码：78-84

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：光伏电站数据为时间序列数据,会受到通信传输、逆变器采集等因素的影响而包含大量异常数据,故该文研究一种基于深度学习的光伏电站数据预处理算法,进行数据清洗等预处理。一方面,根据组串逆变器的工作特性,对光伏电站数据的常见异常类型进行分析标记,结合滑动窗口法划分数据,构建用于深度学习训练的光伏电站数据集。另一方面,从激活函数、损失函数以及隐藏层等方面优化GRU神经网络模型,并利用自建数据集对该模型进行训练和测试。测试结果表明:该模型在实际光伏电站数据上的处理准确率达99.84%。

关 键 词：光伏发电 逆变器 神经网络 数据处理  网络性能

分 类 号：TM615]