基于天气二次分类的地表太阳辐射预测方法

作     者：杨家豪 张莲 梁法政 杨玉洁 张未 YANG Jiahao;ZHANG Lian;LIANG Fazheng;YANG Yujie;ZHANG Wei

作者机构：重庆理工大学电气与电子工程学院重庆市巴南区400054 

出 版 物：《分布式能源》 (Distributed Energy)

年 卷 期：2024年第9卷第1期

页      面：54-63页

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：重庆市教委科学技术研究项目(KJQN201801142,KJQN202001144) 重庆市技术创新与应用发展专项项目(cstc2019jscxmsxmX0003) 重庆理工大学研究生创新项目(gzlcx20232039) 

主　　题：地表太阳辐射 天气分类 支持向量回归(SVR) 极限梯度提升算法(XGBoost) 预测 

摘      要：为提高地表太阳辐射在复杂天气情况下的预报精确度并减小预报的时间成本,结合广州市白云区的历史气象数据,提出了一种以中国气象局的天气划分标准对历史天气进行分类的方法,并在各天气的子模型下使用支持向量回归(support vector regression, SVR)对地表辐照度进行预报。由于天气类型较多,因此对各子模型利用极限梯度提升(extreme gradient boosting, XGBoost)算法进行特征分析,并利用Mann-Whitney检验,合并了特征重要性类似的序列,实现了天气的二次分类,降低了模型的复杂度。结果显示,本文模型在连续12个月的预报中,相关系数、准确率和合格率均超过了评判指标的要求,具有较高的预测精度。且预报总计用时10.633 h,相比其余模型的13~34 h,预报速度更快,迎合了光伏电站中对太阳辐射预报的及时性的需求。