基于小波网络的次日太阳逐时总辐射预测技术研究 study of forecasting the hourly solar irradiance of next day using wavelet bp networks.pdfVIP

第28卷第1期 能源技术 VoI．28No．1 ENERGY Feb．2007 2007年2月 TECHNOLOGY 基于小波网络的次日太阳 逐时总辐射预测技术研究 林星春。曹家枞。刘春雁 (东华大学环境科学与工程学院，上海201620) 摘要：现有的地面太阳逐时总辐射预测模型的预测精度及泛化能力尚不能令人满意。利用 小波神经网络在提升非线性函数影射能力方面的优势，以及递归网络的优良的动态性能，建立了对 角递归小波BP网络(DRWBPN)模型，用以对次日地面太阳逐时总辐射进行精确预测。进一步提 高预测精度的措施还包括将ASHRAE太阳辐射确定性模型的计算结果和经模糊化处理的气象预 报中的云量信息加入到网络输入向量中，以充分利用已知可靠信息。采用分阶段训练网络的方法， 提高了有限次数下的训练质量。太阳逐时总辐射预测实例及与其它典型模型预测结果的比较表 明，提出的地面太阳逐时总辐射预测模型具有更高精度和实际可行性。 关键词：太阳逐时总辐射；预测；对角递归小波BP网络；模糊技术 TPl83 文献标识码：A 中图分类号：P422．1 文章编号：1005—7439(2007)02—0070—06 of the SolarIrradiance StudyForecastingHourly ofNext WaveletBPNetworks DayUsing LIN LIU chnn-y舳 xin争chun，CAoJia-c蚴gt ofEnvironmentalScienceand 201620。China) 【College Engineering-DonghuaUniversity-Shanghai model8for totalsolarirradianceare inforecasterrors Abstract：Theexisting forecastinghourly unsatisfactory andthe waveletneural the of nonlinear abilitymapping generaIizationcapabmy．The networks(WNN)inenhancing a ofthe oftherecurrentneuralnetworks(RNN)-new functions-andprominentdynamicproperty diagonal recurrentwaveletBP established80asto outfineforecastofthenext total network(DRWBPN)iscarry