专利交易市场

本发明涉及太阳辐射预测技术领域，公开了一种基于深度BILSTM的太阳辐射预测方法，采用CEEMDAN将原始太阳辐射序列分解为子分量集合；对各所述分量，构建独立的双向长短期记忆神经网络子模型；对各子分量的BILSTM模型采用SCA算法进行优化，输出BILSTM模型的最佳参数；利用训练好的子分量SCA‑BiLSTM模型计算目标变量的预测值；将各子分量SCA‑BiLSTM模型的预测值进行聚合，得到CEN‑SCA‑BiLSTM模型的最终预报结果。与现有技术相比，本发明的预测方法能够获得高精度的太阳辐射预测值，对光伏资源的利用效率和电网的安全稳定运行具有重要作用。

本发明公开了一种可消除太阳辐射误差的探空湿度测量装置及方法，包括环境检测单元、数据采集单元、第一数据处理单元、第一无线通信单元和地面终端单元；所述环境检测单元包括湿度传感器，湿度传感器的上表面设有第一温度传感器，其四周至少设有一个第二温度传感器；所述数据采集单元的输入端分别与湿度传感器、第一温度传感器和第二温度传感器的输出端相连；所述第一数据处理单元设于数据采集单元和第一无线通信单元之间；所述地面终端单元包括相互连接的第二无线通信单元和第二数据处理单元，第二无线通信单元与第一无线通信单元之间无线连接。本发明提高了湿度测量的精确度和稳定性，并且极大的降低了成本。

本发明公开了一种基于PCA和混沌GWO优化RELM的太阳辐射预测方法及系统，所述方法包括：S1，对数据进行标准化处理；S2，将处理后的数据进行PCA降维；S3，建立混沌GWO‑RELM模型，找到RELM的最优隐含层节点个数node和正则化系数C；S4，将测试样本送入含有最优隐含层节点个数node和正则化系数C的RELM中进行计算，得到待预测站点未来的太阳辐射预报值。本发明针对太阳辐射数据的不连续性和高频特性致使太阳辐射预测精度低的问题，采用混沌灰狼算法与正则化极限学习机相结合构成混沌GWO‑RELM模型对太阳辐射数据进行预测，克服了传统时间序列模型的缺点，使得太阳辐射预测的精度得到了提高。

本发明公开了一种可自动清洁的太阳辐射吸收装置，包括工作箱以及位于工作箱内且向上开口的矩形腔，工作箱内固设有位于矩形腔下侧且与矩形腔连通的第一空腔，第一空腔下侧内壁转动设有第一转轴，第一转轴外端壁螺纹连接有螺纹套筒，螺纹套筒上端面固设有与矩形腔周向腔壁抵接的矩形太阳能板，本发明是一种可自动清洁太阳能板的内置发电装置，当紫外线检测器检测到外界为晴天且紫外线充足的情况下，会打开本发命的矩形腔，从而使本发明的矩形太阳能板上升至矩形腔上口，吸收太阳能并且将太阳能转化成电能进行储存，本发明的扇叶会在太阳能板每次使用后，吹走可能落在太阳能板上的杂物，从而延长太阳能板的使用寿命和保证较高的光转化率。