基于神經(jīng)網(wǎng)絡(luò)的太陽(yáng)輻射復(fù)合預(yù)測(cè)技術(shù)研究.pdf

1、隨著“能源危機(jī)”的臨近，今天世界各國(guó)都在竭盡全力地進(jìn)行著節(jié)省能源和開(kāi)發(fā)新能源的研究工作。太陽(yáng)能被看成巨大而清潔的具有代表性的新能源，隨著太陽(yáng)能利用技術(shù)的進(jìn)步，需要的太陽(yáng)輻射資料很多，精度要求又很高，并且對(duì)未來(lái)時(shí)間的太陽(yáng)輻射強(qiáng)度預(yù)測(cè)技術(shù)提出了更高的要求。太陽(yáng)輻射預(yù)測(cè)可彌補(bǔ)我國(guó)輻射資料的不足，并為太陽(yáng)能工程、新能源的利用提供重要參考工具；同時(shí)，一個(gè)合理的太陽(yáng)輻射模型，是獲得空調(diào)負(fù)荷精確預(yù)測(cè)的關(guān)鍵性前提。本文擬就太陽(yáng)輻射的預(yù)測(cè)從理論上和方法上

2、進(jìn)行深入的探索與研究。 由于太陽(yáng)輻射具有高度非線性的特點(diǎn)，而神經(jīng)網(wǎng)絡(luò)處理非線性問(wèn)題有其特殊的能力，因此本文利用神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近及自學(xué)習(xí)、自適應(yīng)的特性，將神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法作為主要的研究方法。考慮到神經(jīng)網(wǎng)絡(luò)激勵(lì)函數(shù)Sigmoid函數(shù)的單調(diào)性，本文采用具有動(dòng)態(tài)性的Morlet小波函數(shù)取代隱含層Sigmoid函數(shù)，結(jié)合了小波變換良好的時(shí)頻局域化性質(zhì)及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，并且，引入了兩個(gè)新的參變量，即伸縮因子和平移因子，使得網(wǎng)絡(luò)

3、具有更多的自由度，從而使其具有更靈活有效的函數(shù)逼近能力。針對(duì)于太陽(yáng)輻射數(shù)據(jù)序列的非線性和瞬變性特點(diǎn)，本文在BP網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，在隱含層中增加一個(gè)反饋層，作為一步延時(shí)算子，達(dá)到記憶的目的，從而使系統(tǒng)具有適應(yīng)時(shí)變特性的能力，這種自聯(lián)方式使其對(duì)歷史狀態(tài)的數(shù)據(jù)具有敏感性，內(nèi)部反饋網(wǎng)絡(luò)的加入增加了網(wǎng)絡(luò)本身處理動(dòng)態(tài)信息的能力，能直接反映動(dòng)態(tài)過(guò)程系統(tǒng)的特性，從而達(dá)到了動(dòng)態(tài)建模的目的。從而，本文建立了太陽(yáng)輻射的對(duì)角遞歸小波BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

4、 考慮到一般神經(jīng)網(wǎng)絡(luò)存在的收斂速度慢，易陷入局部極小值的弊端，本文從網(wǎng)絡(luò)的訓(xùn)練算法以及權(quán)閾值修改方案等方面提出了改進(jìn)：對(duì)網(wǎng)絡(luò)訓(xùn)練算法的各種改進(jìn)進(jìn)行綜合比較，選擇帶動(dòng)量的自適應(yīng)變步長(zhǎng)學(xué)習(xí)法訓(xùn)練網(wǎng)絡(luò)，有效解決訓(xùn)練時(shí)間長(zhǎng)，易陷入局部最優(yōu)解的問(wèn)題；將初始參數(shù)的確定與樣本信息結(jié)合起來(lái)，避免隨機(jī)賦值帶來(lái)的不確定性，針對(duì)于訓(xùn)練樣本的周期性，結(jié)合批量訓(xùn)練模式提出了批量平均權(quán)值法，保證每次網(wǎng)絡(luò)訓(xùn)練都能得到最優(yōu)初始值，訓(xùn)練獲得最佳結(jié)果。 另外，考

5、慮到網(wǎng)絡(luò)訓(xùn)練樣本信息的重要性，對(duì)影響太陽(yáng)輻射的因素進(jìn)行細(xì)致分析，精簡(jiǎn)非獨(dú)立影響因素，確定主要影響因素：一方面，對(duì)網(wǎng)絡(luò)主要建模參數(shù)太陽(yáng)輻射歷史數(shù)據(jù)進(jìn)行相關(guān)性分析，分析其內(nèi)在的時(shí)間序列變化規(guī)律，選擇與預(yù)測(cè)日或預(yù)測(cè)時(shí)刻最相關(guān)的歷史數(shù)據(jù)作為輸入信息；另一方面，考慮到太陽(yáng)輻射強(qiáng)度變化是具有動(dòng)態(tài)性、時(shí)變性、多擾量性、不確定性等隨機(jī)特性的典型非線性曲線，其中云量、大氣狀況、天氣狀況等隨機(jī)性因素的影響至關(guān)重要。本文將關(guān)于天氣陰晴狀況的氣象預(yù)報(bào)模糊化并修

6、正后作為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的重要輸入信息進(jìn)行訓(xùn)練，這樣，網(wǎng)絡(luò)能夠充分地學(xué)習(xí)到太陽(yáng)輻射和天氣狀況之間的關(guān)系，使得仿真預(yù)測(cè)結(jié)果能夠主動(dòng)地反映天氣變化帶來(lái)的顯著影響，在很大程度上提高網(wǎng)絡(luò)預(yù)測(cè)精度。 基于以上研究方法，本文完成了太陽(yáng)輻射復(fù)合預(yù)測(cè)的全套模型，包括太陽(yáng)日總輻射預(yù)測(cè)模型、太陽(yáng)逐時(shí)總輻射預(yù)測(cè)模型、太陽(yáng)日散射輻射預(yù)測(cè)模型、太陽(yáng)逐時(shí)散射輻射預(yù)測(cè)模型。本文中分別以澳門(mén)1991～2000年和上海2001～2002年的相關(guān)數(shù)據(jù)作為預(yù)測(cè)模型的