基于条件 LSTM 网络驱动的太阳能基站资源配置
系统与控制
2024-10-29 v1 系统与控制
摘要
太阳能基站是实现可持续电信基础设施的一种极具前景的方法。然而，太阳能基站的成功部署需要对光伏（PV）面板收集的能量与预期能耗进行精确预测，以实现经济且可靠的部署与运营。本文引入了一种创新方法，利用新型条件长短期记忆（Cond-LSTM）神经网络架构来预测能量收集。与 LSTM 和 Transformer 模型相比，Cond-LSTM 模型的归一化均方根误差（nRMSE）分别降低了 69.6% 和 42.7%。我们还展示了我们的模型在不同场景下的泛化能力。所提出的方法不仅有助于确定满足中断概率要求的精确成本最优 PV-电池配置，还有助于在缺乏历史太阳能数据的地区进行站点设计。
引用
@article{arxiv.2410.20755,
title = {Provisioning for Solar-Powered Base Stations Driven by Conditional LSTM Networks},
author = {Yawen Guo and Sonia Naderi and Colleen Josephson},
journal= {arXiv preprint arXiv:2410.20755},
year = {2024}
}