基于多维特征分析的双层协同太阳辐照度预测

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。