基于CEEMDAN-KDBSCAN-Informer的日前辐照度预测方法

来源：动力工程学报杂志2025年第9期北京时间：

作者：谢七月, 刘瑶, 申忠利, 周育才, 付强, 王晓丽,

摘要：针对目前辐照度预测大多为小时内预测,且仅基于天气分类,没有考虑到一天之间天气的变化以及云类型对辐照度的影响等问题,提出一种基于完全自适应噪声集合经验模态分解(CEEMDAN)-K-means基于密度的聚类算法(KDBSCAN)-Informer的日前辐照度预测方法。首先对原始气象变量进行主成分分析来降低输入数据的维度,再通过CEEMDAN对主成分数据进行分解与重构,然后使用KDBSCAN方法对数据实现天气类型聚类和同一天气条件下云层的聚类,最后根据两层聚类结果,使用Informer模型进行日前直接法向辐照度(DNI)预测。结果表明:通过对云层类型进行分类,以在预测过程中考虑一天的天气变化,晴天日前辐照度预测的决定系数R2达到0.98;相比于常用的辐照度预测方法,整体数据的平均绝对误差降低了32.42 W/m2,均方根误差降低了31.71 W/m2,R2达到0.97。

关键词：太阳能,直接法向辐照度,辐照度预测,深度学习,