19、太阳能能源预测的深度学习方法

太阳能能源预测的深度学习方法

1. 预测方法与数据收集

在太阳能能源预测中，有一种方法是直接外推主 theta 线，同时使用基本指数平滑（SES）外推后续线。短时间后，将两条 theta 线确定的时间序列通过等权重基本合并，从而得出特定时间序列数据集的最终预测。

系统包含五个阶段：数据收集、数据预处理、交叉验证（CV）、十次交叉验证和子集确定，其流程如下：

graph LR
    A[数据收集] --> B[数据预处理]
    B --> C[交叉验证]
    C --> D[十次交叉验证]
    D --> E[子集确定]

数据收集步骤从四个数据源收集信息：
- 太阳能发电数据：由韩国开放信息入口（http://www.data.go.kr）提供，数据为 2013 年 1 月 1 日至 2015 年 12 月 31 日每小时的记录，来自韩国荣山的太阳能发电厂。
- 太阳高度数据：由天文馆软件 Stellarium（http://www.stellarium.org）提供，取自荣山发电厂的地理位置，代表从发电厂视角看太阳在经纬度上的位置。
- 观测气象数据：由韩国气象厅（KMA，http://kma.go.kr）提供，来自距离光伏电站约 8.5 公里的木浦最近的气象站，是实际测量的真实气象情况。
- 气象预报数据：同样由 KMA 提供，以 3 小时为时间间隔，从每天凌晨 2:00 开始，本研究使用提前 36 小时的预报数据。

KMA 使用的气象观测系统包括一个 10 米高的气象塔，塔顶左右