基于GA-BP神经网络的逐时总辐射分组模型研究

作     者：于瑛 陈笑 贾晓宇 杨柳 Yu Ying;Chen Xiao;Jia Xiaoyu;Yang Liu

作者机构：西安建筑科技大学机电学院西安710055 西安建筑科技大学建筑学院西安710055 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2022年第43卷第8期

页      面：157-163页

核心收录：

学科分类：08[工学] 081304[工学-建筑技术科学] 0813[工学-建筑学] 

基　　金：“十三五”国家科技支撑课题(2018YFC0704504) 

主　　题：太阳能 逐时太阳总辐射 GA-BP神经网络 分组模型 误差分析 

摘      要：通过分析影响太阳辐射的主要因素,提出以太阳高度角、季节和天气(晴空指数)作为数据划分依据的分组模型建立方法。以拉萨和西安地区的逐时气象数据和辐射数据为例,基于遗传算法(genetic algorithm,GA)优化的BP神经网络,建立太阳高度角、季节和天气类型的逐时总辐射分组模型。该研究揭示分组模型误差变化的规律,并将其估算误差与AllData模型比较。结果显示,相较于AllData模型,分组模型的估算误差均有降低。其中,天气分组模型误差最小,且西安的天气分组模型结果优于拉萨。西安天气分组模型平均绝对百分比误差(MAPE)和相对均方根误差(rRMSE)相较AllData模型结果分别下降3.96%和4.18%。研究结果表明分组模型能够降低逐时总辐射估算误差,可为估算逐时总辐射提供方法借鉴。