地中海地区小时全球辐射预报的混合方法
神经与进化计算
2012-11-13 v1 机器学习
大气与海洋物理
应用统计
摘要
可再生能源预测，特别是全球辐射预报，是越来越多研究团队关注的一个挑战。本文提出了一种原创技术，通过结合人工神经网络（ANN）和自回归滑动平均（ARMA）模型来模拟日照时间序列。鉴于 ANN 的非线性特性使其能有效预测多云天气，而 ARMA 技术更适用于无云出现的晴朗天气，我们提出了三种混合模型：第一种模型建议仅在春季和夏季的 6 个月使用 ARMA，而在一年中的其余时间使用优化后的 ANN；第二种模型与第一种等效，但采用季节性学习；最后一种模型取决于前一小时发生的误差。这些模型被用于预测地中海地区五个地点的小时全球辐射。我们将预测性能在多种模型之间进行了比较：上述 3 种模型以及每个地点最佳的 ANN 和 ARMA 模型。在最佳配置下，ANN 与 ARMA 的耦合使得预测精度提高了 1% 以上，其中秋季提升最大（3.4%），冬季提升最小（0.9%），而在冬季单独使用 ANN 效果最佳。
引用
@article{arxiv.1211.2378,
title = {Hybrid methodology for hourly global radiation forecasting in Mediterranean area},
author = {Cyril Voyant and Marc Muselli and Christophe Paoli and Marie Laure Nivet},
journal= {arXiv preprint arXiv:1211.2378},
year = {2012}
}