基于神經網(wǎng)絡的太陽輻射復合預測技術研究.pdf

1、隨著“能源危機”的臨近，今天世界各國都在竭盡全力地進行著節(jié)省能源和開發(fā)新能源的研究工作。太陽能被看成巨大而清潔的具有代表性的新能源，隨著太陽能利用技術的進步，需要的太陽輻射資料很多，精度要求又很高，并且對未來時間的太陽輻射強度預測技術提出了更高的要求。太陽輻射預測可彌補我國輻射資料的不足，并為太陽能工程、新能源的利用提供重要參考工具；同時，一個合理的太陽輻射模型，是獲得空調負荷精確預測的關鍵性前提。本文擬就太陽輻射的預測從理論上和方法上

2、進行深入的探索與研究。 由于太陽輻射具有高度非線性的特點，而神經網(wǎng)絡處理非線性問題有其特殊的能力，因此本文利用神經網(wǎng)絡的非線性函數(shù)逼近及自學習、自適應的特性，將神經網(wǎng)絡預測方法作為主要的研究方法?？紤]到神經網(wǎng)絡激勵函數(shù)Sigmoid函數(shù)的單調性，本文采用具有動態(tài)性的Morlet小波函數(shù)取代隱含層Sigmoid函數(shù)，結合了小波變換良好的時頻局域化性質及神經網(wǎng)絡的自學習功能，并且，引入了兩個新的參變量，即伸縮因子和平移因子，使得網(wǎng)絡

3、具有更多的自由度，從而使其具有更靈活有效的函數(shù)逼近能力。針對于太陽輻射數(shù)據(jù)序列的非線性和瞬變性特點，本文在BP網(wǎng)絡結構的基礎上，在隱含層中增加一個反饋層，作為一步延時算子，達到記憶的目的，從而使系統(tǒng)具有適應時變特性的能力，這種自聯(lián)方式使其對歷史狀態(tài)的數(shù)據(jù)具有敏感性，內部反饋網(wǎng)絡的加入增加了網(wǎng)絡本身處理動態(tài)信息的能力，能直接反映動態(tài)過程系統(tǒng)的特性，從而達到了動態(tài)建模的目的。從而，本文建立了太陽輻射的對角遞歸小波BP神經網(wǎng)絡預測模型。

4、 考慮到一般神經網(wǎng)絡存在的收斂速度慢，易陷入局部極小值的弊端，本文從網(wǎng)絡的訓練算法以及權閾值修改方案等方面提出了改進：對網(wǎng)絡訓練算法的各種改進進行綜合比較，選擇帶動量的自適應變步長學習法訓練網(wǎng)絡，有效解決訓練時間長，易陷入局部最優(yōu)解的問題；將初始參數(shù)的確定與樣本信息結合起來，避免隨機賦值帶來的不確定性，針對于訓練樣本的周期性，結合批量訓練模式提出了批量平均權值法，保證每次網(wǎng)絡訓練都能得到最優(yōu)初始值，訓練獲得最佳結果。 另外，考

5、慮到網(wǎng)絡訓練樣本信息的重要性，對影響太陽輻射的因素進行細致分析，精簡非獨立影響因素，確定主要影響因素：一方面，對網(wǎng)絡主要建模參數(shù)太陽輻射歷史數(shù)據(jù)進行相關性分析，分析其內在的時間序列變化規(guī)律，選擇與預測日或預測時刻最相關的歷史數(shù)據(jù)作為輸入信息；另一方面，考慮到太陽輻射強度變化是具有動態(tài)性、時變性、多擾量性、不確定性等隨機特性的典型非線性曲線，其中云量、大氣狀況、天氣狀況等隨機性因素的影響至關重要。本文將關于天氣陰晴狀況的氣象預報模糊化并修

6、正后作為神經網(wǎng)絡預測模型的重要輸入信息進行訓練，這樣，網(wǎng)絡能夠充分地學習到太陽輻射和天氣狀況之間的關系，使得仿真預測結果能夠主動地反映天氣變化帶來的顯著影響，在很大程度上提高網(wǎng)絡預測精度。 基于以上研究方法，本文完成了太陽輻射復合預測的全套模型，包括太陽日總輻射預測模型、太陽逐時總輻射預測模型、太陽日散射輻射預測模型、太陽逐時散射輻射預測模型。本文中分別以澳門1991～2000年和上海2001～2002年的相關數(shù)據(jù)作為預測模型的