科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提升短期太阳辐射预测的准确性，提出一种基于ICEEMDAN-LSTM和残差注意力的短期太阳辐照度预测方法。该方法利用改进的自适应噪声完备集合经验模态分解（ICEEMDAN）将原始辐射序列分解为多尺度模态分量，同时引入残差注意力机制对原始气象特征进行重构，然后利用长短期记忆网络分别提取两部分的时序特征，并融合所得特征输入至多层感知器，进行提前1小时的水平面总辐照度预测。实验结果表明，该方法能捕捉辐射序列的波动和突变，并考虑不同气象特征的重要程度，可有效提高短期太阳辐照度的预测精度。
-
单位电气学院; 河海大学
