典型文献
基于多维特征分析的双层协同太阳辐照度预测
文献摘要：
为增强逐日太阳辐照度预测的准确性和普适性,提出一种基于多维特征分析的双层协同预测模型.首先,搭建一种双层协同架构,将整个模型分成基准层和提升层两部分,使用分层预测的方式追踪目标对象的多维特征和变化趋势;其次,以数值天气预报(NWP)为输入,采用LightGBM基于特征学习预测方法构建基准预测模型;然后,在前者的基础上,挖掘目标时刻太阳辐照度与历史时序数据之间的关联性,引入改进AdaBoost算法与多隐层极限学习机(MH-ELM)作为提升层主体,提高时序预测的稳定性;最后,选用中国中部地区某光伏电站实测太阳辐照度数据进行算例分析,验证了该模型的合理性和有效性.
文献关键词：
太阳辐照度;预测;AdaBoost算法;双层协同架构;LightGBM;多隐层极限学习机
中图分类号：
作者姓名：
张鸿皓;杨国华;郑豪丰;柳勇;杨倩;贾睿
作者机构：
宁夏大学物理与电子电气工程学院,银川 750021;宁夏电力能源安全重点实验室,银川 750004
文献出处：
引用格式：
[1]张鸿皓;杨国华;郑豪丰;柳勇;杨倩;贾睿-.基于多维特征分析的双层协同太阳辐照度预测)[J].太阳能学报,2022(08):143-149
A类：
双层协同架构,多隐层极限学习机
B类：
多维特征,太阳辐照度,逐日,数值天气预报,NWP,LightGBM,特征学习,时序数据,AdaBoost,MH,ELM,时序预测,中国中部地区,光伏电站,算例分析
AB值：
0.194228
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
