论文部分内容阅读
由于现有神经网络辐照度预测模型的输入变量多为辐照度的历史数据问题，为了更准确衡量辐照度的变换关系，引入其他与辐照度相关因子作为模型输入变量，提高模型预测性能；其次，根据同期同日类型的辐照度变化关联性，对辐照度预测模型提出了由辐照度预测值和辐照度均值组成的加权修正方法，辐照度预测值权重为Ⅳ天实际与理论曝辐量比值的均值，辐照度均值权重为日类型修正系数和当天实际与理论曝辐量比值的乘积；最后归一化权重，构建了基于日类型的神经网络辐照度预测模型。采用本地历史数据进行仿真，结果验证了改进输入模型的合理性和输出模型的有