基于ICEEMDAN-LSTM和残差注意力的短期太阳辐照度预测

作者:臧海祥*; 张越; 程礼临; 刘璟璇; 卫志农; 孙国强
来源:太阳能学报, 2023, 44(12): 175-181.
DOI:10.19912/j.0254-0096.tynxb.2022-1761

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。

全文