论文部分内容阅读
由于影响太阳辐照度变化的因素呈现随机特征,传统方法中产生的太阳辐照度中长期预测误差较大,因此提出一种基于CNN-A-BiLSTM的太阳辐照度中长期预测模型。该混合模型通过残差卷积神经网络提取时间特征,采用双向长短期记忆网络进行时序预测,同时融合注意力机制对时间步加权,增强特征选择。对宁夏回族自治区14个地区近10年的天气数据进行模型训练,并且采用递归结构的训练样本,以保证训练样本内部的时间耦合性。为验证该模型的有效性,与传统人工神经网络模型预测结果进行对比分析。结果表明,在未来1,7,15 d的辐照度预测中,基于CNN-A-BiLSTM的预测模型其误差低于传统模型,即该模型更适用于太阳辐照度中长期预测。