SolarisNet：用于太阳辐射预测的深层回归网络
计算机视觉与模式识别
2017-12-12 v2 应用统计
机器学习
摘要
光伏（PV）电站的有效利用需要能鲁棒应对天气变化的全球太阳辐射（GSR）预报模型。随机天气湍流现象，加上 Hottel 所建议的晴空模型假设，对 GSR 转换率估计中的参数与非参数模型提出了重大挑战。此外，良好的 GSR 估计需要昂贵的高科技辐射计以及依赖专家的仪器操作和测量，这些是主观的。为此，开发了一个利用智能电网历史数据分析和深度学习的计算机辅助监测（CAM）系统，以评估光伏电站运行可行性。我们的算法 SolarisNet 是一个 6 层深度神经网络，训练于印度西孟加拉邦 Kalyani 气象站附近两个气象站收集的数据。使用 SolarisNet 的每日 GSR 预测性能优于现有最优方法，并讨论了其在推断过去 GSR 数据洞察以理解每日和季节性 GSR 变率以及其短期预报能力方面的效用。
引用
@article{arxiv.1711.08413,
title = {SolarisNet: A Deep Regression Network for Solar Radiation Prediction},
author = {Subhadip Dey and Sawon Pratiher and Saon Banerjee and Chanchal Kumar Mukherjee},
journal= {arXiv preprint arXiv:1711.08413},
year = {2017}
}