用于太阳辐照度单变量时间序列预测的改进自回归技术
信号处理
2020-12-10 v3
摘要
为减少化石燃料使用并减轻其对环境的不利影响，可再生能源在发电中的集成已增加。然而，像太阳能这样的可再生能源由于其高度依赖天气模式而具有随机性。这种不确定性大大削弱了太阳能板集成的效益，并因更大的能源储备需求而增加了运营成本。为解决此问题，提出了一种改进自回归模型、一个卷积神经网络和一个长短期记忆神经网络，它们可以准确预测太阳辐照度。通过多种验证误差指标对所提技术进行了相互比较。改进自回归模型在 10 分钟、30 分钟和 1 小时预测范围内的平均绝对百分比误差分别为 14.2%、19.9% 和 22.4%。因此，改进自回归模型被提议为最鲁棒的方法，吸收了用于太阳预报问题的最先进神经网络。
引用
@article{arxiv.2012.03215,
title = {Modified Auto Regressive Technique for Univariate Time Series Prediction of Solar Irradiance},
author = {Umar Marikkar and A. S. Jameel Hassan and Mihitha S. Maithripala and Roshan I. Godaliyadda and Parakrama B. Ekanayake and Janaka B. Ekanayake},
journal= {arXiv preprint arXiv:2012.03215},
year = {2020}
}
备注
7 pages, 8 figures, Accepted for publication in 20th IEEE International Conference on Industrial and Information Systems 2020