用于高精度太阳辐射预测的贝叶斯规则与随机模型
机器学习
2013-09-20 v1 应用统计
摘要
寻找太阳预测方法对于将可再生能源大规模接入配电电网至关重要。本研究的目标是找到能够高精度预测小时全球辐射的最佳方法。了解这一量对于电网管理者或私人光伏生产者至关重要，以便预测与云层出现相关的波动并稳定注入的光伏功率。在本文中，我们测试了两种方法论：单一预测器和混合预测器。在第一类中，我们包括多层感知机 (MLP)、自回归滑动平均 (ARMA) 和持久性模型。在第二类中，我们将这些预测器与贝叶斯规则混合，以获得临时模型选择以及与单一模型相关的输出贝叶斯平均。如果 MLP 和 ARMA 是等效的（两者的 nRMSE 均接近 40.5%），那么这种混合化相比持久性估计实现了超过 14 个百分点的 nRMSE 增益（nRMSE 为 37%，而持久性模型为 51%）。
引用
@article{arxiv.1309.4999,
title = {Bayesian rules and stochastic models for high accuracy prediction of solar radiation},
author = {Cyril Voyant and C. Darras and Marc Muselli and Christophe Paoli and Marie Laure Nivet and Philippe Poggi},
journal= {arXiv preprint arXiv:1309.4999},
year = {2013}
}
备注
Applied Energy (2013)