期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
Development and assessment of artificial neural network models for direct normal solar irradiance forecasting using operational numerical weather prediction data
1
作者 Sara Pereira Paulo Canhoto Rui Salgado 《Energy and AI》 EI 2024年第1期88-101,共14页
Accurate operational solar irradiance forecasts are crucial for better decision making by solar energy system operators due to the variability of resource and energy demand.Although numerical weather prediction(NWP)mo... Accurate operational solar irradiance forecasts are crucial for better decision making by solar energy system operators due to the variability of resource and energy demand.Although numerical weather prediction(NWP)models can forecast solar radiation variables,they often have significant errors,particularly in the direct normal irradiance(DNI),which is especially affected by the type and concentration of aerosols and clouds.This paper presents a method based on artificial neural networks(ANN)for generating operational DNI forecasts using weather and aerosol forecasts from the European Center for Medium-range Weather Forecasts(ECMWF)and the Copernicus Atmospheric Monitoring Service(CAMS),respectively.Two ANN models were designed:one uses as input the predicted weather and aerosol variables for a given instant,while the other uses a period of the improved DNI forecasts before the forecasted instant.The models were developed using observations for the location of´Evora,Portugal,resulting in 10 min DNI forecasts that for day 1 of forecast horizon showed an improvement over the downscaled original forecasts regarding R2,MAE and RMSE of 0.0646,21.1 W/m^(2)and 27.9 W/m^(2),respectively.The model was also evaluated for different timesteps and locations in southern Portugal,providing good agreement with experimental data. 展开更多
关键词 solar radiation solar energy Numerical weather prediction artificial neural network Operational forecasting
原文传递
Artificial Intelligence Based Solar Radiation Predictive Model Using Weather Forecasts
2
作者 Sathish Babu Pandu A.Sagai Francis Britto +4 位作者 Pudi Sekhar P.Vijayarajan Amani Abdulrahman Albraikan Fahd N.Al-Wesabi Mesfer Al Duhayyim 《Computers, Materials & Continua》 SCIE EI 2022年第4期109-124,共16页
Solar energy has gained attention in the past two decades,since it is an effective renewable energy source that causes no harm to the environment.Solar Irradiation Prediction(SIP)is essential to plan,schedule,and mana... Solar energy has gained attention in the past two decades,since it is an effective renewable energy source that causes no harm to the environment.Solar Irradiation Prediction(SIP)is essential to plan,schedule,and manage photovoltaic power plants and grid-based power generation systems.Numerous models have been proposed for SIP in the literature while such studies demand huge volumes of weather data about the target location for a lengthy period of time.In this scenario,commonly available Artificial Intelligence(AI)technique can be trained over past values of irradiance as well as weatherrelated parameters such as temperature,humidity,wind speed,pressure,and precipitation.Therefore,in current study,the authors aimed at developing a solar irradiance prediction model by integrating big data analytics with AI models(BDAAI-SIP)using weather forecasting data.In order to perform long-term collection of weather data,Hadoop MapReduce tool is employed.The proposed solar irradiance prediction model operates on different stages.Primarily,data preprocessing take place using various sub processes such as data conversion,missing value replacement,and data normalization.Besides,Elman Neural Network(ENN),a type of feedforward neural network is also applied for predictive analysis.It is divided into input layer,hidden layer,loadbearing layer,and output layer.To overcome the insufficiency of ENN in choosing the value of weights and hidden layer neuron count,Mayfly Optimization(MFO)algorithm is applied.In order to validate the performance of the proposed model,a series of experiments was conducted.The experimental values infer that the proposed model outperformed other methods used for comparison. 展开更多
关键词 solar irradiation prediction weather forecast artificial intelligence Elman neural network mayfly optimization
下载PDF
A Nonlinear Autoregressive Approach to Statistical Prediction of Disturbance Storm Time Geomagnetic Fluctuations Using Solar Data 被引量:1
3
作者 Joseph M. Caswell 《Journal of Signal and Information Processing》 2014年第2期42-53,共12页
A nonlinear autoregressive approach with exogenous input is used as a novel method for statistical forecasting of the disturbance storm time index, a measure of space weather related to the ring current which surround... A nonlinear autoregressive approach with exogenous input is used as a novel method for statistical forecasting of the disturbance storm time index, a measure of space weather related to the ring current which surrounds the Earth, and fluctuations in disturbance storm time field strength as a result of incoming solar particles. This ring current produces a magnetic field which opposes the planetary geomagnetic field. Given the occurrence of solar activity hours or days before subsequent geomagnetic fluctuations and the potential effects that geomagnetic storms have on terrestrial systems, it would be useful to be able to predict geophysical parameters in advance using both historical disturbance storm time indices and external input of solar winds and the interplanetary magnetic field. By assessing various statistical techniques it is determined that artificial neural networks may be ideal for the prediction of disturbance storm time index values which may in turn be used to forecast geomagnetic storms. Furthermore, it is found that a Bayesian regularization neural network algorithm may be the most accurate model compared to both other forms of artificial neural network used and the linear models employing regression analyses. 展开更多
关键词 Space WEATHER GEOMAGNETIC Storms artificial neural networks solar Winds NARX forecasting INTERPLANETARY Magnetic Field
下载PDF
神经网络方法在太阳质子事件短期预报中的应用 被引量:9
4
作者 龚建村 薛炳森 +3 位作者 刘四清 邹自明 苗娟 王家龙 《空间科学学报》 CAS CSCD 北大核心 2003年第6期443-451,共9页
在大量统计结果的基础上,深入研究了太阳质子事件预报机理.总结了质子事件爆发与太阳活动区面积、位置、McIntosh结构、磁结构以及前两天活动区爆发耀斑事件数目之间的关系.然后,在神经网络的基础上建立了太阳质子事件短期预报模型,并对... 在大量统计结果的基础上,深入研究了太阳质子事件预报机理.总结了质子事件爆发与太阳活动区面积、位置、McIntosh结构、磁结构以及前两天活动区爆发耀斑事件数目之间的关系.然后,在神经网络的基础上建立了太阳质子事件短期预报模型,并对2000年以后12个未参加训练的样本进行测试,结果对事件预报的准确率为83%.此外,我们还利用该模型对2002年1-4月发生的几次质子事件进行了预报试验,结果发现,这期间发生的6次事件都被预报.其中3次质子事件系统预报提前了3天,两次事件预报提前了2天,一次事件提前1天预报. 展开更多
关键词 神经网络方法 太阳质子事件 短期预报 McIntosh结构 磁结构 太阳耀斑
下载PDF
太阳质子事件警报 被引量:7
5
作者 胡雄 黄泽荣 +3 位作者 张训械 龚建村 薛丙森 叶宗海 《空间科学学报》 CAS CSCD 北大核心 1998年第4期323-328,共6页
采用人工神经网络预报方法,利用太阳耀斑的日面位置、X射线辐射的峰值流量及其上升时间、2695MHz和8800MHz微波辐射的半积分流量等5个物理参量,提出了一个新的太阳质子事件警报方案,预报太阳质子事件的发生及其流量和时间.该方案在... 采用人工神经网络预报方法,利用太阳耀斑的日面位置、X射线辐射的峰值流量及其上升时间、2695MHz和8800MHz微波辐射的半积分流量等5个物理参量,提出了一个新的太阳质子事件警报方案,预报太阳质子事件的发生及其流量和时间.该方案在本文检验中达到93.75%的预报准确率. 展开更多
关键词 太阳质子事件 警报 人工神经网络 太阳耀斑
下载PDF
太阳光球磁场特征物理量在质子事件短期预报中的应用 被引量:5
6
作者 崔延美 刘四清 王华宁 《空间科学学报》 CAS CSCD 北大核心 2010年第2期97-104,共8页
利用SOHO/MDI全日面纵向磁图,计算了三个描述太阳活动区磁场复杂性和非势性的特征物理量,即纵向磁场最大水平梯度|▽_hB_z|_m,强梯度中性线长度L,孤立奇点数目η.为检验太阳光球磁场特征在质子事件短期预报中是否有效,采用BP神经网络方... 利用SOHO/MDI全日面纵向磁图,计算了三个描述太阳活动区磁场复杂性和非势性的特征物理量,即纵向磁场最大水平梯度|▽_hB_z|_m,强梯度中性线长度L,孤立奇点数目η.为检验太阳光球磁场特征在质子事件短期预报中是否有效,采用BP神经网络方法,建立了基于这三个磁场特征物理量简单的太阳质子事件短期(24 h)预报模型.模型在对2002年和2003年连续两年的样本检测中,有很高的准确率(2002年和2003年分别为90%,87.54%)和较高的质子事件报准率(2002年和2003年分别为60%,75%),从而为光球磁场特征物理量作为质子事件预报的有效因子提供了依据. 展开更多
关键词 太阳质子事件 质子事件短期预报 太阳光球磁场 磁场复杂性和非势性 BP神经网络
下载PDF
神经网络方法用于太阳质子事件警报 被引量:13
7
作者 王家龙 张训械 黄泽荣 《天体物理学报》 CSCD 1999年第3期318-323,共6页
尝试用神经网络方法作太阳质子事件警报.首先介绍太阳质子事件警报的发展,神经网络方法的特点,其次讨论选取预报因子的物理考虑,然后介绍试验结果,在两种试验情况下均可以有>85%的报准率.最后讨论改进警报的问题.
关键词 太阳质子事件 警报方法 神经网络 太阳射电爆发
下载PDF
结合光球磁场特征物理量的质子事件短期预报 被引量:4
8
作者 崔延美 李蓉 刘四清 《空间科学学报》 CAS CSCD 北大核心 2011年第4期436-440,共5页
利用描述太阳活动区光球磁场复杂性和非势性特征的三个物理量(纵向磁场最大水平梯度|▽_hB_z|_m,强梯度中性线长度L,孤立奇点数目η)建立了质子事件短期预报模型,验证了磁场特征物理量对质子事件短期预报的有效性.目前已建立或使用的太... 利用描述太阳活动区光球磁场复杂性和非势性特征的三个物理量(纵向磁场最大水平梯度|▽_hB_z|_m,强梯度中性线长度L,孤立奇点数目η)建立了质子事件短期预报模型,验证了磁场特征物理量对质子事件短期预报的有效性.目前已建立或使用的太阳质子事件短期预报模型中仍然没有正式将磁场特征物理量作为预报因子.由于太阳质子事件是小概率事件,其物理产生机制尚不完全清楚,这些预报模型往往存在虚报率偏高或报准率偏低的问题.本文试图将原有质子事件模型所用的传统因子与磁场特征物理量结合起来,利用神经网络方法建立一个更为有效的质子事件短期预报模型.利用1997-2001年的训练数据集1871个样本建立了输入层为传统预报因子的模型A以及输入层为传统预报因子和磁场特征物理量的模型B.通过对2002 2003年973个样本的测试数据集进行模拟预报发现,模型A与B在具有相同质子事件报准率的情况下,模型B的虚报率明显降低.这进一步验证了磁场特征物理量在质子事件短期预报中的作用,进而可以加强对太阳质子事件的实际预报能力. 展开更多
关键词 太阳质子事件 质子事件短期预报模型 太阳光球磁场 BP神经网络
下载PDF
利用神经网络预报太阳质子事件后的地磁扰动 被引量:1
9
作者 范权福 田剑华 《空间科学学报》 CAS CSCD 北大核心 1998年第4期329-335,共7页
通过分析几十个典型太阳质子事件表明,具有以下特征的质子事件其后1-3天内一般有强烈地磁扰动发生:1.质子耀班级别和亮度较大(3B以上);2.质子通量在上升阶段增加很快,而在下降阶段相对来说衰减也很快(尤其是在峰值附近);3... 通过分析几十个典型太阳质子事件表明,具有以下特征的质子事件其后1-3天内一般有强烈地磁扰动发生:1.质子耀班级别和亮度较大(3B以上);2.质子通量在上升阶段增加很快,而在下降阶段相对来说衰减也很快(尤其是在峰值附近);3.电子通量远远大于质子通量并且和质子通量有相似的变化规律.在此基础上,利用神经网络预报太阳质子事件发生后3天内地磁扰动的趋势. 展开更多
关键词 太阳质子事件 地磁扰动 神经网络 预报 太阳风
下载PDF
一种考虑季节特性的光伏电站多模型功率预测方法 被引量:13
10
作者 时珉 周海 +1 位作者 韩雨彤 尹瑞 《电网与清洁能源》 2019年第7期75-82,共8页
随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测... 随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。 展开更多
关键词 光伏功率预测 太阳辐照度 人工神经网络 多季节模型
下载PDF
基于太阳黑子群数据的多模态太阳耀斑预报模型
11
作者 马健 刘柱 +2 位作者 石育榕 罗冰显 郑锋 《航天器环境工程》 北大核心 2021年第3期256-262,共7页
当前的太阳耀斑预报模型主要通过统计关系建立,直接将从太阳黑子群磁图中提取的特征参量作为模型输入,系统的自主性低,导致图像数据中包含的与太阳耀斑相关的高阶抽象信息难以被充分利用,进而限制模型预报的精度。为解决当前太阳耀斑预... 当前的太阳耀斑预报模型主要通过统计关系建立,直接将从太阳黑子群磁图中提取的特征参量作为模型输入,系统的自主性低,导致图像数据中包含的与太阳耀斑相关的高阶抽象信息难以被充分利用,进而限制模型预报的精度。为解决当前太阳耀斑预报中数据利用不充分的问题,文章将海量太阳观测数据与先进的人工智能技术结合,综合利用太阳活动区磁场观测图、磁场特征参量和对应的耀斑事件标签,并借助全连接神经网络高精确率以及卷积神经网络高召回率和可有效提取高层语义信息的优点,构建基于深度学习的多模态太阳耀斑预报模型。实验证明该模型的主要评价指标结果比其他模型至少提高7.8%。 展开更多
关键词 人工智能 太阳耀斑 预报模型 卷积神经网络 模型融合
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部