基于对称CNN-LSTM网络的太阳辐照度超短期预测研究

为进一步提高太阳光照度的预测,文章提出一种融合对称模型的光照度预测方法。首先对光照度气象数据进行预处理,将数值进行归一化。为了减少超短期内云层运动变化引起光照度的变化,引入了一种定义云层与太阳中心的距离,并建立输入矩阵。通过设置不同超参数测试网络效果,将不同数据通过文章构建的多输入多输出对称融合网络进行训练并得到预测值,并与对照实验比较,通过实验证明,文章提出网络架构比对照实验组拥有更好的预测效果,能够更好反应超短期内光照度变化趋势。