基于自适应时序解耦和气象因素动态影响评估的超短期太阳辐照度预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对太阳辐射序列具有波动性以及受气象因素影响而导致太阳辐照度预测精度降低的问题，提出一种基于滑动窗口变分模态分解（SWVMD）、自适应图卷积网络（AGCN）和四核时间卷积神经网络（QTCN）的超短期太阳辐照度预测模型。首先利用SWVMD对历史辐射序列进行解耦，实时挖掘不同特征尺度的模态分量，然后将数据集重构为图数据，进而利用AGCN动态评估气象因素的影响程度，最后采用QTCN提取融合后特征序列的多尺度时序特征，实现对未来30 min太阳辐照度的预测。（剩余14611字）

试读结束

目录
monitor