基于非线性自回归神经网络的GHI预测

• 作者: 蒋云涛 赵书强 郝毅 马燕峰
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 太阳辐照度 预测 神经网络 动态 非线性自回归 训练样本结构
• 年，卷（期）: 2019,（3）
• 页码范围: 733-740
• 页数: 8页
• 分类号: TM615
• 语种: 中文

摘要

针对水平面总辐照度(global horizontal irradiation,GHI)短期预测问题,提出一种基于非线性自回归神经网络的短期水平面太阳总辐照度预测模型.首先,提出一种并联结构训练样本,以保证训练样本内部的时间耦合性.其次,通过对9项气象参数共511种组合作为输入的模型预测精度进行分析,确定模型最优输入组合.最后,利用4种典型气象条件下GHI样本进行对比以检验模型对气象条件的泛用性.结果 表明,相较于传统基于集中式时延神经网络预测模型,非线性自回归动态神经网络预测模型预测标准均方根误差均降低.