CNN-LSTM多模态融合网络的光伏-PEM电解槽动态匹配方法
本申请公开了一种CNN‑LSTM多模态融合网络的光伏‑PEM电解槽动态匹配方法,包括:获取光伏制氢系统运行过程中的多源数据,包括光伏阵列空间特征数据、环境状态数据以及PEM电解槽运行状态数据;将光伏阵列空间特征数据输入卷积神经网络CNN模块,提取光伏阵列空间特征信息;将环境状态数据以及PEM电解槽运行状态数据输入基于门控循环单元GRU改进的长短期记忆网络LSTM模块,提取光伏输出变化趋势与PEM电解槽运行状态变化之间的时序关联特征;将空间特征信息与时序关联特征输入多模态融合模块进行特征融合,获得光伏输出功率与PEM电解槽运行状态之间的动态映射关系;根据动态映射关系生成PEM电解槽运行参数调节指令,对PEM电解槽运行状态进行动态调整,实现光伏发电功率与PEM电解槽制氢负荷之间的实时匹配。