基于地球静止卫星数据的时间序列建模与大规模全球太阳辐射预测
计算工程、金融与科学
2014-01-21 v1 计算物理
应用统计
摘要
当某一地区缺乏充足的观测仪器时，地球静止卫星数据可用于预测全球太阳辐射。本文利用地球静止卫星数据生成未来一小时的太阳辐射二维时间序列。本文呈现的结果针对特定地区（科西嘉岛），但由于所用数据覆盖全球表面，该方法可轻易应用于其他地区。实际上，二维小时时间序列是利用 Heliosat-2 模型处理的 HelioClim-3 表面太阳辐射数据库提取的。地图上的每个点都被用作训练数据以及人工神经网络（ANN）的输入，并作为两种持久性模型（是否含缩放）的输入。通过将这些模型与晴空估算进行比较，评估了各模型的性能。我们发现，两个最佳预测器（含缩放的持久性模型和 ANN）的归一化均方根误差（nRMSE）接近 16.5%，相当于相对于地面测量的 35-45%。最后，为了验证我们的二维预测图，我们引入了一种称为伽马指数的新误差指标，这是医学物理学中用于比较两个矩阵数据的准则。初步结果表明，在冬季和春季，含缩放的持久性模型给出最佳结果（伽马指数测试通过率分别为 67.7% 和 86%）；在秋季，简单持久性模型是最佳预测器（95.3%）；而在夏季，ANN 表现最佳（99.8%）。
引用
@article{arxiv.1401.4644,
title = {Time series modeling and large scale global solar radiation forecasting from geostationary satellites data},
author = {Cyril Voyant and Pierrick Haurant and Marc Muselli and Christophe Paoli and Marie Laure Nivet},
journal= {arXiv preprint arXiv:1401.4644},
year = {2014}
}
备注
Solar Energy (2014)