由于不同氣象條件會(huì)影響太陽(yáng)輻照度的有效利用,這制約了太陽(yáng)能的應(yīng)用和發(fā)展.為了基于不同站點(diǎn)不同采樣時(shí)刻的氣象屬性預(yù)測(cè)中尺度站的太陽(yáng)能輻照度,依據(jù)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的框架,建立了一種新型的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)幵用于太陽(yáng)能輻照度預(yù)測(cè).為了緩解新型網(wǎng)絡(luò)由超參數(shù)選取不當(dāng)導(dǎo)致預(yù)測(cè)性能差的問(wèn)題,利用融合算法對(duì)新型網(wǎng)絡(luò)的超參數(shù)進(jìn)行優(yōu)化.為了提高融合優(yōu)化算法的全局搜索能力,引入帳篷映射對(duì)粒子的初始位置和初始速度進(jìn)行混沌初始化.首先,導(dǎo)入訓(xùn)練集更新新型卷積神經(jīng)網(wǎng)絡(luò)框架,訓(xùn)練結(jié)束后導(dǎo)入驗(yàn)證集檢驗(yàn)當(dāng)前模型參數(shù)下新型卷積框架的性能.其次,混沌融合算法依據(jù)新型卷積神經(jīng)框架在驗(yàn)證集上的預(yù)測(cè)性能更新模型的超參數(shù).對(duì)更新模型的超參數(shù)多次檢驗(yàn),直至最優(yōu)的預(yù)測(cè)模型在驗(yàn)證集上的性能趨于收斂.最后,辒出模型的最優(yōu)超參數(shù),建立太陽(yáng)能輻照度預(yù)測(cè)模型.基于氣象實(shí)測(cè)數(shù)據(jù)建立太陽(yáng)能輻照度預(yù)測(cè)實(shí)驗(yàn),引入其他兩種預(yù)測(cè)方法進(jìn)行對(duì)比仿真研究,幵盡可能復(fù)現(xiàn)了Eustaquio and Titericz團(tuán)隊(duì)的預(yù)測(cè)方法(GBRT)作為太陽(yáng)能輻照度預(yù)測(cè)性能的評(píng)估基準(zhǔn).實(shí)驗(yàn)數(shù)據(jù)表明:混沌融合算法可以有效地提高新型卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)性能,所提出預(yù)測(cè)方法的全年太陽(yáng)...

【文章頁(yè)數(shù)】：9 頁(yè)


本文編號(hào)：3761394