[发明专利]一种基于Transformer-LSTM及误差校正的太阳辐照度预测模型

权利要求书

1.一种基于Transformer-LSTM及误差校正的太阳辐照度预测模型，其特征在于，包括以下步骤：

步骤1:根据预设的时间分辨率获取所测地区的历史天气数据以及太阳辐照度数据；

步骤2:对步骤1所得的数据进行预处理，预处理包括数据标准化处理，数据降维以及误差校正；

步骤3:将步骤2中预处理得到的数据按照设定比例分为训练集数据，验证集数据以及测试集数据；

步骤4:构建Transformer-LSTM及误差校正模型；

步骤5:利用所述的训练集数据对步骤4的Transformer-LSTM及误差校正模型进行训练学习；

步骤6:使用步骤5中训练后的模型对测试集数据进行预测，并利用均方根误差法对模型的预测性能进行评估，并筛选出最佳预测模型；

步骤7:将步骤1中得到的所测地区的历史天气数据输入至步骤6所得模型，得到太阳辐照度预测值。

2.根据权利要求1所述的一种基于Transformer-LSTM及误差校正的太阳辐照度预测模型，其特征在于，所述步骤1中获取的历史天气数据以及太阳辐照度数据，包括：年、月、日、时、分、秒、直接辐射辐照度、漫射水平辐照度、全球水平辐照度、云型、露点、晴空直接辐射辐照度、晴空漫射水平辐照度、晴空全球水平辐照度、臭氧层、相对湿度、降水量、气压、风向、风速、太阳天顶角、地表反照率、气象类型标志。

3.根据权利要求1所述的一种基于Transformer-LSTM及误差校正的太阳辐照度预测模型，其特征在于所述步骤2中，其中：

数据标准化处理选用Min-Max法，计算公式为:

x_min为数据所在列最小值，x_max为数据所在列最大值，X为标准化处理后所得数据；

数据降维采用主成分分析法，通过计算中心化后的数据矩阵的协方差矩阵，得到协方差矩阵的特征值特征向量，最后选择特征值最大的K个特征所对应的特征向量组成的矩阵，将原有的n维数据映射到K维的空间中；

误差校正采用德宾-沃森检验法对自相关系数ρ进行计算:

首先，随机初始化Transformer-LSTM及误差校正模型参数，将自相关系数ρ置为0；

然后，进行计算误差：

x_t，y_t分别为t时刻输入和输出数据，θ为模型参数集；

最后，利用误差计算自相关系数ρ：将所得自相关系数作为模型参数，其误差校正可以表示为：

x_t-ρ_xx_t-1＝f(x_t-T-ρ_xx_t-T-1，...，x_t-ρ_xx_t-1；θ)+∈_t，T为时间步长，∈_t为t时刻的一个服从正态分布的白噪声。

4.根据权利要求1所述的一种基于Transformer-LSTM及误差校正的太阳辐照度预测模型，其特征在于，所述步骤3中，将预处理的数据集按照设定的比例分为训练集、验证集、测试集，具体为：训练集所占比例为60％，验证集所占比例为20％，测试集所占比例为20％。