کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8077579 1521476 2014 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bi-model short-term solar irradiance prediction using support vector regressors
ترجمه فارسی عنوان
پیش بینی تابش خورشیدی کوتاه مدت در مدل بی با استفاده از رگولاتورهای بردار پشتیبانی
کلمات کلیدی
پیش بینی تابش خورشیدی، رگرسیون بردار پشتیبانی، شاخص شفافیت، رویدادهای رفرم، تصویر تمام آسمان،
ترجمه چکیده
این مقاله پیشنهاد یک روش پیش بینی دقیق در مورد کوتاه مدت تابش خورشیدی را از طریق رگرسیون بردار پشتیبانی ارائه می دهد. با استفاده از تبدیل شاخص روشنایی و ویژگی های مناسب، مدل های رگرسیون بردار پشتیبانی می توانند نتایج پیش بینی های رضایت بخش را ارائه دهند. نتایج پیش بینی شده توسط پیش بینی رویداد پیشنهادی پیشنهادی و روشهای پالایش تابش خورشیدی بهبود یافته است. با کمک تجزیه و تحلیل تصویر تمام آسمان، دو مدل رگرسیون جدا شده بر اساس شرایط انسداد ابر در نزدیکی دیسک خورشیدی ساخته می شوند. با پیش بینی دو مدل، رفتار تابش تغییر می تواند دقیق تر اسیر شود. علاوه بر این، اگر یک رویداد رمپ پایین پیش بینی شده باشد، تابش پیش بینی شده بر اساس میزان پوشش ابر در ناحیه خورشید تصحیح می شود. آزمایش ها نشان داده اند که روش پیشنهادی می تواند به طور موثر دقت پیش بینی در یک مجموعه داده های بسیار شدید را بهبود بخشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
چکیده انگلیسی
This paper proposes an accurate short-term solar irradiance prediction scheme via support vector regression. Utilizing clearness index conversion and appropriate features, the support vector regression models are able to output satisfying prediction results. The prediction results are further improved by the proposed ramp-down event forecasting and solar irradiance refinement procedures. With the help of all-sky image analysis, two separated regression models are constructed based on the cloud obstruction conditions near the solar disk. With bi-model prediction, the behavior of the changing irradiance can be captured more accurately. Moreover, if a ramp-down event is forecasted, the predicted irradiance is corrected based on the cloud cover ratio in the area near the sun. The experiments have shown that the proposed method can effectively improve the prediction accuracy on a highly challenging dataset.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 70, 1 June 2014, Pages 121-127
نویسندگان
, , ,