一种用于精确短期太阳能功率预测的高效机器学习方法
系统与控制
2020-03-30 v1 系统与控制
信号处理
摘要
近年来,基于太阳能的发电经历了强劲且有影响的增长。间歇性太阳能功率的调节、调度、派发和机组组合依赖于预测方法的准确性。本文提出一种鲁棒的扩展极限学习机(EELM),用于在不同时间尺度和天气条件下精确预测太阳能功率。所提出的 EELM 技术由于不存在随机输入层权重而无随机性,并且非常高效地预测太阳能功率所需时间极短。所提 EELM 的性能通过从国家可再生能源实验室(NREL)收集的历史数据及各种性能度量得到验证。所提 EELM 方法针对基本 ELM 和函数链接神经网络(FLNN)在 5 分钟和 1 小时提前时间尺度上进行了效能评估。
引用
@article{arxiv.2003.12088,
title = {An Efficient Machine Learning Approach for Accurate Short Term Solar Power Prediction},
author = {Shaktinarayana Mishra and Lokanath Tripathy and Prachitara Satapathy and P. K. Dash and Nitasha Sahani},
journal= {arXiv preprint arXiv:2003.12088},
year = {2020}
}
备注
6 pages, 6 figures