基于气象数据与卫星图像数据融合的太阳辐射机器学习预测模型
机器学习
2022-04-13 v2
摘要
了解某一地理位置的太阳辐射行为对于利用光伏系统使用太阳能至关重要；然而，在偏远地区用于测量气象参数和确定太阳能场规模的站点数量有限。本工作中使用了从 GOES-13 卫星获取的图像，从中提取可整合进气象站数据集的变量。基于此，构建了 3 个不同的模型，并在其上评估了 5 种机器学习算法预测太阳辐射的性能。根据使用四项评价指标进行的分析，神经网络在整合了气象变量与图像所得变量的模型中表现最佳；尽管若考虑 rRMSE，所有获得的结果均高于 20%，这将算法性能归类为一般。在 2012 年数据集中，根据指标 MBE、R2、RMSE 和 rRMSE 的估计结果分别为 -0.051、0.880、90.99 和 26.7%。在 2017 年数据集中，MBE、R2、RMSE 和 rRMSE 的结果为 -0.146、0.917、40.97 和 22.3%。尽管可以从卫星图像计算太阳辐射，但确实某些统计方法依赖于地面仪器捕获的辐射数据与日照，而鉴于地表测量站数量有限，这并非总是可行。
引用
@article{arxiv.2204.04313,
title = {Machine learning model to predict solar radiation, based on the integration of meteorological data and data obtained from satellite images},
author = {Luis Eduardo Ordoñez Palacios and Víctor Bucheli Guerrero and Hugo Ordoñez},
journal= {arXiv preprint arXiv:2204.04313},
year = {2022}
}