【技术实现步骤摘要】
一种结合EMD和TCN的太阳能辐射预测方法
[0001]本专利技术涉及太阳辐射预测领域，具体是一种结合EMD和TCN的太阳能辐射预测方法。
技术介绍
[0002]由于化石能源的枯竭、空气污染等一系列问题，人们越来越注重于新能源的开发。作为新能源之一的太阳能，由于其辐射本身受到地域、气候等因素的影响，无论是太阳能供热还是光伏发电，都需要合理规划和控制其能量的储备。为了提高太阳能的利用率，可靠、准确地预测太阳能辐射变得越来越重要，因而不断推动着太阳能辐射预测的研究与发展。现有的太阳辐照度预测方法主要分为传统方法（物理模型、统计模型等）和人工智能方法（机器学习、深度学习）。
[0003]基于历史时间序列数据进行太阳能辐射预测的物理模型，虽然能够达到一定的预测效果，但是物理模型容易受到恶劣天气的影响。统计模型则因为太阳能辐射的时间序列数据自身的复杂非线性而受到限制。机器学习和深度学习能够很好地揭示输入输出数据之间非线性关系以提升模型的预测精度，同时仍然存在一些局限性。F.Jiang等人提出了一种基于相似数据的支持向量机（SV...
【技术保护点】
【技术特征摘要】
1.一种结合EMD和TCN的太阳能辐射预测方法，其特征在于，该方法包括以下步骤：步骤1、获取太阳能辐射历史数据和气象历史数据；步骤2、对太阳能辐射历史数据和气象历史数据之间进行相关性分析，去掉不相关的气象历史数据，得到相关性分析后的气象历史数据；步骤3、对太阳能辐射历史数据和相关性分析后的气象历史数据均先进行填充缺失值，再进行异常值校正，得到待处理太阳能辐射历史数据和待处理气象历史数据；步骤4、采用EMD对待处理太阳能辐射历史数据进行分解，得到多个分量；分量包括多个待处理子序列IMF和一个残差；步骤5、对每个分量，分别结合待处理气象历史数据，通过公式（6），得到每个分量的待输入数据；（6）式（6）中，Z为t时刻及t时刻前的连续的时间步长为j的某个分量；为t时刻及t时刻前的连续的时间步长为j的第i种待处理气象历史数据；k表示待处理气象历史数据的种类数；步骤6、对各个待输入数据分别进行归一化处理，得到各自的归一化处理后的待输入数据；步骤7、将各个归一化处理后的待输入数据，分别输入到各自的TCN模型中，得到各个归一化处理后的待输入数据的预测数据，如式（7）所示；再将所有预测数据进行张量的累加，得到太阳能辐射的预测值；（7）式（7）中，表示TCN模型；为第t+1时刻的某个分量的预测数据；步骤8、对TCN模型的参数进行调整，使太阳能辐射的预测值与太阳能辐射的真实值的误差达到最小，得到调整后的太阳能辐射的预测值；然后对调整后的太阳能辐射的预测值进行反归一化，得到最终的预测结果值。2.根据权利要求1所述的结合EMD和TCN的太阳能辐射预测方法，其特征在于，步骤1中，太阳能辐射历史数据和气象历史数据从国家太阳辐射数据库中获得；太阳能辐射历史数据为全球水平辐照度；气象历史数据包括温度、云类型、露点、臭氧、相对湿度、太阳天顶角、表面反照率、压力、可降水含量、风向和风速。3.根据权利要求1所述的结合EMD和TCN的太阳能辐射预测方法，其特征在于，步骤2中，相关性分析后的气象历史数据包括温度、相对湿度、太阳天顶角和风速。4.根据权利要求1所述的结合EMD和TCN的太阳能辐射预测方法，其特征在于，步骤2中，相关性分析采用皮尔逊相关系数，其公式为：（1）
式（1）中，为X和Y的协方差；为X的方差；为Y的方差。5.根据权利要求1所述的结合EMD和TCN的太阳能辐射预测方法，其特征在于，步骤3中，填充缺失值的具体操作是：对于数据中的缺失值，取该缺失值的相邻值的均值和方差；再根据相邻值的均值和方差，随机生成服从高斯分布的数据，采用此数据对该缺失值进行填充；异常值校正的具体操作是：将异常值视为缺失值，再按照填充缺失值的具体操作来处理。6.根据权利要求1所述的结合EMD和TCN的太阳能辐射预测方法，其特征在于，步骤4具体步骤如下：步骤4.1、根据待处理太阳能辐射历史数据，找出它的所有极大值点来构成...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。