无需气象站的孤立光伏电网性能可预测性：人工神经网络的应用
摘要：使用人工神经网络预测全球太阳辐射：在科西嘉岛上，官方气象网络非常有限，只有三个站点配备有太阳辐射计，这些站点相距约50公里，可进行每小时和每日的测量。这些站点分别是阿雅克修（纬度41°55'N，经度8°48'E，海边）、巴斯蒂亚（纬度42°33'N，经度9°29'E，海边）和科尔特（纬度42°30'N，经度9°15'E，平均海拔486米）。缺乏气象站点使得光伏发电性能的预测变得困难。本研究旨在研究一种方法，可以使用从其他处获取的数据预测全球太阳辐射，以进行每日和每小时的预测。为了实现这一预测，我们使用了人工神经网络，这是一种在预测领域中广为使用的人工智能技术。使用来自阿雅克修站的数据获得了一个模拟器，因为只有这个站点有大量数据可用：从1972年到1987年的16年数据。然后，我们在地理特征不同的两个地点进行了该模拟器的效果测试：科尔特（一个山区地区）和巴斯蒂亚（一个沿海地区）。在每日的预测中，相较于基于历史记录的“朴素”方法，重定位产生了更小的误差（RMSE=1468对比1383Wh/m²对巴斯蒂亚，1325对比1213Wh/m²对科尔特）。在每小时的预测中，结果仍然令人满意，并且比基于历史记录的方法要好得多（RMSE=138.8对比109.3Wh/m²对巴斯蒂亚，135.1对比114.7Wh/m²对科尔特）。最后一个实验是评估我们的模拟器在距离阿雅克修站10公里处的一个光伏发电网格上的准确性。与基于历史记录的方法相比，我们得到了非常合适的误差（nRMSE=27.9％，RMSE=99.0 W.h）。
作者：Cyril Voyant (SPE), Marc Muselli (SPE), Christophe Paoli (SPE), Marie Laure Nivet (SPE), Philippe Poggi (SPE), P. Haurant (SPE)
论文ID：1001.2097
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2010-01-14