利用卫星数据预测尼泊尔不同地区的太阳能功率
大气与海洋物理
2024-06-19 v1 机器学习
摘要
由于许多尼泊尔潜在地点缺乏太阳辐射数据，本文提出基于替代气象参数预测太阳辐射的 метод。该研究聚焦于尼泊尔的五个不同地区，利用了来自 CERES SYN1deg 和 MERRA-2 的 nearly 十年数据集。采用随机森林、XGBoost、K-近邻和深度学习模型如 LSTM 和 ANN-MLP 进行评估和测试。结果表明，在训练和测试数据集上，预测太阳辐射的 R2 分数接近 1。分析了参数集成对模型性能的影响，揭示了 various 参数在提高预测精度中的重要性。每个模型在所有参数上均表现出色，始终实现 MAE 低于 6，RMSE 低于 10，MBE 在 |2| 范围内， nearly 1 的 R2 值。在从数据集中移除诸如 "Solar_Irradiance_Clear_Sky"、"UVA" 等 various 太阳参数后，模型性能受到显著影响。这种排除导致 MAE 最高达到 82，RMSE 最高达到 135，MBE 最高达到 |7|。其中，KNN 模型表现最弱，R2 为 0.7582546。相反，ANN 模型表现最强，R2 值为 0.9245877。因此，本研究得出结论，人工神经网络 (ANN) 在预测中表现出色，即使在稀疏数据参数条件下也能展现出色的 versatility。
引用
@article{arxiv.2406.11877,
title = {Solar Power Prediction Using Satellite Data in Different Parts of Nepal},
author = {Raj Krishna Nepal and Bibek Khanal and Vibek Ghimire and Kismat Neupane and Atul Pokharel and Kshitij Niraula and Baburam Tiwari and Nawaraj Bhattarai and Khem N. Poudyal and Nawaraj Karki and Mohan B Dangi and John Biden},
journal= {arXiv preprint arXiv:2406.11877},
year = {2024}
}
备注
20 pages, 12 figures, 5 tables