本發(fā)明涉及太陽輻照度預(yù)測，尤其設(shè)計一種基于gat-gru的太陽輻照度預(yù)測方法。

背景技術(shù)：

1、隨著能源行業(yè)的快速變革，可再生能源是減輕化石燃料依賴、降低溫室氣體排放、實現(xiàn)能源可持續(xù)發(fā)展的重要途徑，也是實現(xiàn)能源轉(zhuǎn)型的關(guān)鍵技術(shù)。在眾多可再生能源中，太陽能因其巨大的潛力而備受矚目，太陽能的高效利用和集成需要對太陽輻照度進行精確預(yù)測。然而，太陽輻射受到季節(jié)、日照時間、云層、大氣濕度等多種因素的影響，具有高度的非線性、間歇性和不確定性。預(yù)測太陽輻射非常具有挑戰(zhàn)性，其預(yù)測的準確性和高時空分辨率對于太陽能系統(tǒng)的設(shè)計、運營和效益具有重要意義。

2、目前，太陽輻射的預(yù)測模型主要分為四類：(1)物理模型，如數(shù)值天氣預(yù)報(nwp)、基于衛(wèi)星的預(yù)報等；(2)統(tǒng)計模型，如自回歸移動平均模型(arma)、多元線性回歸等；(3)傳統(tǒng)機器學(xué)習(xí)模型，如極限學(xué)習(xí)機(elm)、支持向量機(svm)等；(4)深度學(xué)習(xí)模型，如循環(huán)神經(jīng)網(wǎng)絡(luò)(rnn)、長短期記憶網(wǎng)絡(luò)(lstm)等。其中，物理模型根據(jù)太陽輻射的物理過程建立數(shù)學(xué)模型，考慮了如地球運動、大氣層、云層、地形等各種影響因素。與物理模型不同的是，統(tǒng)計模型的方法利用海量歷史數(shù)據(jù)和統(tǒng)計理論建立預(yù)測模型，不需要對數(shù)據(jù)的產(chǎn)生機制或背后的物理原理有太多的假設(shè)，統(tǒng)計模型計算簡單、適應(yīng)性強，但是在處理大規(guī)模、高維、非線性的復(fù)雜數(shù)據(jù)時面臨著維數(shù)災(zāi)難的問題。傳統(tǒng)機器學(xué)習(xí)方法解決了統(tǒng)計方法在處理復(fù)雜數(shù)據(jù)時的能力不足，它更靈活地適應(yīng)數(shù)據(jù)分布并能有效地提取數(shù)據(jù)中的非線性和復(fù)雜特征，具有較高的準確性和泛化能力。

3、由于太陽輻射數(shù)據(jù)的復(fù)雜性、計算開銷和特征提取難度，傳統(tǒng)機器學(xué)習(xí)模型在時間序列預(yù)測中面臨著淺層網(wǎng)絡(luò)非線性擬合能力不足等挑戰(zhàn)。因此，近年來研究人員開始使用非線性擬合能力強和高級特征自動提取的深度學(xué)習(xí)模型來提高預(yù)測效果。但是，現(xiàn)有的多數(shù)模型重點研究單個觀測站的太陽輻射，只考慮到了太陽輻射的時間相關(guān)性。然而，由于地理空間和其他天氣因素的影響，單個觀測站的太陽輻射可能與臨近的觀測站表現(xiàn)出高的空間相關(guān)度。因此，在考慮太陽輻射的時間特征的同時，還應(yīng)該關(guān)注太陽輻射的空間特征。

4、門控循環(huán)單元(gru)是一種適用于處理時間序列數(shù)據(jù)的遞歸神經(jīng)網(wǎng)絡(luò)，通過門控機制解決了傳統(tǒng)rnn中梯度消失和梯度爆炸的問題,使得它在處理長時間依賴關(guān)系時更有效。此外，圖注意力網(wǎng)絡(luò)(gat)可以處理圖結(jié)構(gòu)數(shù)據(jù)，gat可以通過圖的結(jié)構(gòu)和注意力機制，有效地捕捉和利用不同觀測站的空間關(guān)系，從而提高預(yù)測精度。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明擬解決的技術(shù)問題是，提供一種基于gat-gru的太陽輻照度預(yù)測方法，用以克服現(xiàn)有技術(shù)中預(yù)測不精準的問題。

2、本發(fā)明解決所述技術(shù)問題采用如下的技術(shù)方案：

3、一種基于gat-gru的太陽輻照度預(yù)測方法，其特征在于，該方法包括以下步驟：

4、步驟s1：獲取不同氣象站的太陽輻照度歷史數(shù)據(jù)，并進行預(yù)處理和歸一化處理；

5、步驟s2：通過皮爾遜相關(guān)系數(shù)法分析不同觀測站之間的相關(guān)性，計算觀測站間的皮爾遜相關(guān)系數(shù)；將皮爾遜相關(guān)系數(shù)絕對值大于等于設(shè)定閾值的兩個觀測站視為具有強相關(guān)性，反之不具有強相關(guān)性；將具有強相關(guān)性的觀測站之間建立邊，不具有強相關(guān)性的觀測站之間不建立邊，進而得到鄰接矩陣；

6、步驟s3：構(gòu)建gat-gru模型；gat-gru模型包括gat模塊和gru模塊，將太陽輻照度時間序列和鄰接矩陣輸入到gat模塊中，輸出特征xt’；將特征xt’輸入到gru模塊中，提取太陽輻照度的時間特征；時間特征經(jīng)過全連接層，得到預(yù)測結(jié)果；

7、利用太陽輻照度歷史數(shù)據(jù)對gat-gru模型進行訓(xùn)練，將訓(xùn)練后的gat-gru模型用于太陽輻照度預(yù)測。

8、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

9、通過圖注意網(wǎng)絡(luò)gat中的注意力系數(shù)為不同的相鄰觀測站分配不同的權(quán)重，從而有效的挖掘觀測站之間的空間相關(guān)性，有助于提高模型挖掘空間特征的能力；使用門控循環(huán)單元gru挖掘歷史太陽輻照度的時間依賴性，gru的門控結(jié)構(gòu)使其能夠靈活地學(xué)習(xí)序列中的長期和短期依賴關(guān)系；gat-gru模型善于同時捕獲時間相關(guān)性和空間相關(guān)性，更適用于多個觀測站的時間序列預(yù)測，能夠根據(jù)歷史太陽輻射數(shù)據(jù)實現(xiàn)對未來太陽輻射的預(yù)測?；谡鎸崝?shù)據(jù)集與4個基線模型進行了對比試驗，本發(fā)明方法具有更小的預(yù)測誤差和更強的泛化能力。

技術(shù)特征：

1.一種基于gat-gru的太陽輻照度預(yù)測方法，其特征在于，該方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于gat-gru的太陽輻照度預(yù)測方法，其特征在于，預(yù)處理包括去噪，去噪采用卡爾曼濾波算法；根據(jù)下式對去噪后的太陽輻照度進行歸一化處理：

3.根據(jù)權(quán)利要求1或2所述的基于gat-gru的太陽輻照度預(yù)測方法，其特征在于，強相關(guān)性的設(shè)定閾值為0.9。

技術(shù)總結(jié)
本發(fā)明公開了一種基于GAT?GRU的太陽輻照度預(yù)測方法，首先獲取不同氣象站的太陽輻照度歷史數(shù)據(jù)，并進行預(yù)處理和歸一化處理；然后，計算觀測站間的皮爾遜相關(guān)系數(shù)，將皮爾遜相關(guān)系數(shù)絕對值大于等于設(shè)定閾值的兩個觀測站視為具有強相關(guān)性，反之不具有強相關(guān)性；將具有強相關(guān)性的觀測站之間建立邊，不具有強相關(guān)性的觀測站之間不建立邊，進而得到鄰接矩陣；構(gòu)建GAT?GRU模型；GAT?GRU模型包括GAT模塊和GRU模塊，將太陽輻照度時間序列和鄰接矩陣輸入到GAT模塊中，GAT模塊的輸出特征輸入到GRU模塊中，提取太陽輻照度的時間特征；時間特征經(jīng)過全連接層，得到預(yù)測結(jié)果；利用太陽輻照度歷史數(shù)據(jù)對GAT?GRU模型進行訓(xùn)練，將訓(xùn)練后的GAT?GRU模型用于太陽輻照度預(yù)測。該方法充分挖掘了太陽輻照度的時間相關(guān)性和空間相關(guān)性，具有更小的預(yù)測誤差和更強的泛化能力。

技術(shù)研發(fā)人員：馬國偉,吳夢歌,薛桂香
受保護的技術(shù)使用者：河北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19