基于RNN的短期太阳辐照度预测算法研究

作者：马景奕; 王帅^*; 闫文君; 李雅文; 田瑜

来源：科技通报, 2022, 38(05): 16-22.

DOI：10.13774/j.cnki.kjtb.2022.05.003

• 太阳辐照
• 递归神经网络
• 深度学习

预测太阳辐照度对于有效及时的利用可再生能源至关重要。本文旨在研究递归神经网络(RNN)的5个变体，并得出有效可靠的5 min短期太阳辐照度预测模型。5个RNN网络分别是长期短期记忆(LSTM),门控循环单元(GRU),简单RNN,双向LSTM(Bi-LSTM)和双向GRU(Bi-GRU);前3个类别是单向的，后2个类别是双向的RNN模型。基于24个月连续采集的相关天气与辐照数据对5个网络模型进行训练与测试，研究不同参数以及模型结构下预测精度与误差的变化，最终得到最优的模型种类与结构。实验表明模型的深层次的体系结构会产生显著效果，同时，与单向预测相比，Bi-LSTM和Bi-GRU能提供更准确的预测。Bi-GRU模型提供了最低的RMSE和最高的R2值，分别为46.1和0.958;此外，双向RNN显示出较高的鲁棒性与非线性表达能力。

• 单位
  中国气象局气象干部培训学院; 国家气象信息中心