本發(fā)明涉及太陽(yáng)輻照度預(yù)測(cè)，尤其設(shè)計(jì)一種基于gat-gru的太陽(yáng)輻照度預(yù)測(cè)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(shí)現(xiàn)能源可持續(xù)發(fā)展的重要途徑，也是實(shí)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(yáng)能因其巨大的潛力而備受矚目，太陽(yáng)能的高效利用和集成需要對(duì)太陽(yáng)輻照度進(jìn)行精確預(yù)測(cè)。然而，太陽(yáng)輻射受到季節(jié)、日照時(shí)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(cè)太陽(yáng)輻射非常具有挑戰(zhàn)性，其預(yù)測(cè)的準(zhǔn)確性和高時(shí)空分辨率對(duì)于太陽(yáng)能系統(tǒng)的設(shè)計(jì)、運(yùn)營(yíng)和效益具有重要意義。

2、目前，太陽(yáng)輻射的預(yù)測(cè)模型主要分為四類：(1)物理模型，如數(shù)值天氣預(yù)報(bào)(nwp)、基于衛(wèi)星的預(yù)報(bào)等；(2)統(tǒng)計(jì)模型，如自回歸移動(dòng)平均模型(arma)、多元線性回歸等；(3)傳統(tǒng)機(jī)器學(xué)習(xí)模型，如極限學(xué)習(xí)機(jī)(elm)、支持向量機(jī)(svm)等；(4)深度學(xué)習(xí)模型，如循環(huán)神經(jīng)網(wǎng)絡(luò)(rnn)、長(zhǎng)短期記憶網(wǎng)絡(luò)(lstm)等。其中，物理模型根據(jù)太陽(yáng)輻射的物理過程建立數(shù)學(xué)模型，考慮了如地球運(yùn)動(dòng)、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(jì)模型的方法利用海量歷史數(shù)據(jù)和統(tǒng)計(jì)理論建立預(yù)測(cè)模型，不需要對(duì)數(shù)據(jù)的產(chǎn)生機(jī)制或背后的物理原理有太多的假設(shè)，統(tǒng)計(jì)模型計(jì)算簡(jiǎn)單、適應(yīng)性強(qiáng)，但是在處理大規(guī)模、高維、非線性的復(fù)雜數(shù)據(jù)時(shí)面臨著維數(shù)災(zāi)難的問題。傳統(tǒng)機(jī)器學(xué)習(xí)方法解決了統(tǒng)計(jì)方法在處理復(fù)雜數(shù)據(jù)時(shí)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(zhǔn)確性和泛化能力。

3、由于太陽(yáng)輻射數(shù)據(jù)的復(fù)雜性、計(jì)算開銷和特征提取難度，傳統(tǒng)機(jī)器學(xué)習(xí)模型在時(shí)間序列預(yù)測(cè)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(qiáng)和高級(jí)特征自動(dòng)提取的深度學(xué)習(xí)模型來提高預(yù)測(cè)效果。但是，現(xiàn)有的多數(shù)模型重點(diǎn)研究單個(gè)觀測(cè)站的太陽(yáng)輻射，只考慮到了太陽(yáng)輻射的時(shí)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(gè)觀測(cè)站的太陽(yáng)輻射可能與臨近的觀測(cè)站表現(xiàn)出高的空間相關(guān)度。因此，在考慮太陽(yáng)輻射的時(shí)間特征的同時(shí)，還應(yīng)該關(guān)注太陽(yáng)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(shí)間序列數(shù)據(jù)的遞歸神經(jīng)網(wǎng)絡(luò)，通過門控機(jī)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(zhǎng)時(shí)間依賴關(guān)系時(shí)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(jī)制，有效地捕捉和利用不同觀測(cè)站的空間關(guān)系，從而提高預(yù)測(cè)精度。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)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(yáng)輻照度預(yù)測(cè)方法，用以克服現(xiàn)有技術(shù)中預(yù)測(cè)不精準(zhǔn)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(yáng)輻照度預(yù)測(cè)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(yáng)輻照度歷史數(shù)據(jù)，并進(jìn)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(cè)站之間的相關(guān)性，計(jì)算觀測(cè)站間的皮爾遜相關(guān)系數(shù)；將皮爾遜相關(guān)系數(shù)絕對(duì)值大于等于設(shè)定閾值的兩個(gè)觀測(cè)站視為具有強(qiáng)相關(guān)性，反之不具有強(qiáng)相關(guān)性；將具有強(qiáng)相關(guān)性的觀測(cè)站之間建立邊，不具有強(qiáng)相關(guān)性的觀測(cè)站之間不建立邊，進(jìn)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(yáng)輻照度時(shí)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(yáng)輻照度的時(shí)間特征；時(shí)間特征經(jīng)過全連接層，得到預(yù)測(cè)結(jié)果；

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

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(cè)站分配不同的權(quán)重，從而有效的挖掘觀測(cè)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(yáng)輻照度的時(shí)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(zhǎng)期和短期依賴關(guān)系；gat-gru模型善于同時(shí)捕獲時(shí)間相關(guān)性和空間相關(guān)性，更適用于多個(gè)觀測(cè)站的時(shí)間序列預(yù)測(cè)，能夠根據(jù)歷史太陽(yáng)輻射數(shù)據(jù)實(shí)現(xiàn)對(duì)未來太陽(yáng)輻射的預(yù)測(cè)?；谡鎸?shí)數(shù)據(jù)集與4個(gè)基線模型進(jìn)行了對(duì)比試驗(yàn)，本發(fā)明方法具有更小的預(yù)測(cè)誤差和更強(qiáng)的泛化能力。

技術(shù)特征：

1.一種基于gat-gru的太陽(yáng)輻照度預(yù)測(cè)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(yáng)輻照度預(yù)測(cè)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(duì)去噪后的太陽(yáng)輻照度進(jìn)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(yáng)輻照度預(yù)測(cè)方法，其特征在于，強(qiáng)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(yáng)輻照度預(yù)測(cè)方法，首先獲取不同氣象站的太陽(yáng)輻照度歷史數(shù)據(jù)，并進(jìn)行預(yù)處理和歸一化處理；然后，計(jì)算觀測(cè)站間的皮爾遜相關(guān)系數(shù)，將皮爾遜相關(guān)系數(shù)絕對(duì)值大于等于設(shè)定閾值的兩個(gè)觀測(cè)站視為具有強(qiáng)相關(guān)性，反之不具有強(qiáng)相關(guān)性；將具有強(qiáng)相關(guān)性的觀測(cè)站之間建立邊，不具有強(qiáng)相關(guān)性的觀測(cè)站之間不建立邊，進(jìn)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(yáng)輻照度時(shí)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(yáng)輻照度的時(shí)間特征；時(shí)間特征經(jīng)過全連接層，得到預(yù)測(cè)結(jié)果；利用太陽(yáng)輻照度歷史數(shù)據(jù)對(duì)GAT?GRU模型進(jìn)行訓(xùn)練，將訓(xùn)練后的GAT?GRU模型用于太陽(yáng)輻照度預(yù)測(cè)。該方法充分挖掘了太陽(yáng)輻照度的時(shí)間相關(guān)性和空間相關(guān)性，具有更小的預(yù)測(cè)誤差和更強(qiáng)的泛化能力。

技術(shù)研發(fā)人員：馬國(guó)偉,吳夢(mèng)歌,薛桂香
受保護(hù)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