[发明专利]太阳能辐照强度分钟级预测方法

权利要求书

1.一种太阳能辐照强度分钟级预测方法，其特征在于：

a、选取输入学习样本：把影响太阳能辐照强度的多种因素作为模型的输入学习样本；

b、归一化处理：使用matlab软件对输入学习样本进行归一化处理，使得所有数据的范围在[-1,1]之间；

c、确定网络的结构参数：采用的网络结构为三层，隐含层神经元的选取依据如下公式：

                            （1）

其中：l为隐含层神经元数，a为输入神经元数，b为输出神经元数，k为[1,10]之间的常数；

d、建立传递函数：取传递函数为：

                       （2）

其中g为增益参数， g通常设为1.0，这时f(x)即为TanH函数；

e、采用Levenberg-Marquardt训练方法：表示第k次迭代的权值和阈值所组成的向量， 新的权值和阈值所组成的向量为，权值增量计算公式如下：

                         （3），

其中，I为单位矩阵，J()为Jacobian矩阵，

                         (4)；

f、设置网络参数：对网络的误差参数，训练步长，训练时间，学习速率进行设定，来对网络进行训练；

i、仿真预测：输入预测前一天的辐照强度历史数据和预测天的天气状况、最高温度、最低温度、日照时数、风向和风力等级、空气密度、相对湿度、大气压强因素，用训练好的网络对未来的太阳能辐照强度进行仿真预测；

l、计算误差：采取均方根误差来评估本发明的准确性和可行性。

2.根据权利要求1所述的太阳能辐照强度分钟级预测方法，其特征在于：影响太阳能辐照强度的多种因素作为模型的输入学习样本共有45种。