基于实际天空图像和CNN卷积神经网络的太阳辐射强度预测研究

为了提高太阳辐射预报的精确度以及降低操作的复杂性,本研究尝试采用CNN网络来实现太阳辐射预测.首先,针对CNN模型,构建了ResNet结构,引人短路机制来修正模型,解决退化问题.其次基于NREL数据库,对模型进行训练,仅仅利用天空图像而排除其他一切天气因素.最后,经过长时间的训练,ResNet模型成功实现了太阳辐射的预测,采用RMSE以及MAE指标对研究结果进行评价,均证明了模型ResNet-152的精确性,实现了研究目标.结果表明,仅以天空图像作为输入,卷积神经网络可以较好的实现太阳辐射的预测,ResNet-152结构的卷积神经网络模型预测效果最好,均方根误差仅有58.62 W/m2.最终结论显示,卷积神经网络可以较好的实现太阳辐射预测,大大减小了模型的实现难度.