10.19718/j.issn.1005-2992.2021-01-0024-07
基于地基云图与气象数据的辐照度轻量化预测
针对总水平辐照度(Global Horizontal Irradiation,GHI)的短时快速预测问题,提出了一种基于深度学习技术的全天空太阳总辐照度轻量化预测模型.首先,区别于传统的人为处理云图区分特征方法,采用卷积神经网络结构MobileNet自动提取地基云图特征.其次,通过对9项气象参数进行特征清洗,权重连接,建立了短时辐照度的预测方案.最后,将上述模型迁移至微型终端上,在神经网络计算棒的辅助下,实现了 GHI的轻量化快速预测.结果表明,相较于传统使用地基云图的时延神经网络预测模型,此轻量化GHI预测模型标准均方根误差降低了 5.5%,较未轻量化模型预测速度提升了 71%,可供家庭个体光伏用户进行快速预测.
太阳总辐照度、地基云图、深度学习、轻量化
41
TM614(发电、发电厂)
上海市自然科学基金No.20ZR1459600
2021-06-04(万方平台首次上网日期,不代表论文的发表时间)
共7页
24-30