基于RNN的短期太阳辐照度预测算法研究 |
| |
引用本文: | 马景奕,王帅,闫文君,李雅文,田瑜.基于RNN的短期太阳辐照度预测算法研究[J].科技通报,2022(5):16-22. |
| |
作者姓名: | 马景奕 王帅 闫文君 李雅文 田瑜 |
| |
作者单位: | 1. 中国气象局气象干部培训学院甘肃分院;2. 国家气象信息中心 |
| |
摘 要: | 预测太阳辐照度对于有效及时的利用可再生能源至关重要。本文旨在研究递归神经网络(RNN)的5个变体,并得出有效可靠的5 min短期太阳辐照度预测模型。5个RNN网络分别是长期短期记忆(LSTM),门控循环单元(GRU),简单RNN,双向LSTM(Bi-LSTM)和双向GRU(Bi-GRU);前3个类别是单向的,后2个类别是双向的RNN模型。基于24个月连续采集的相关天气与辐照数据对5个网络模型进行训练与测试,研究不同参数以及模型结构下预测精度与误差的变化,最终得到最优的模型种类与结构。实验表明模型的深层次的体系结构会产生显著效果,同时,与单向预测相比,Bi-LSTM和Bi-GRU能提供更准确的预测。Bi-GRU模型提供了最低的RMSE和最高的R2值,分别为46.1和0.958;此外,双向RNN显示出较高的鲁棒性与非线性表达能力。
|
关 键 词: | 太阳辐照 递归神经网络 深度学习 |
|
|