Trong bài báo này, chúng tôi đề xuất một mô hình lai tích hợp Phân tích chế độ thực nghiệm (EMD) và máy học cực đại tuần tự trực tuyến (OS-ELM) để dự báo bức xạ mặt trời trước nhiều bước.
 |
| Ảnh minh họa |
Ban đầu, tập dữ liệu bức xạ mặt trời được xử lý và làm sạch. Sau đó, sử dụng mô hình EMD kết hợp với hàm tương quan, tập dữ liệu đã làm sạch được phân tích thành một số hàm chế độ nội tại (IMF) và nhiễu trắng, sau đó loại bỏ nhiễu này.
Sau đó, mỗi IMF được dự đoán bằng OS-ELM. Dự báo bức xạ mặt trời cuối cùng được rút ra bằng cách tổng hợp các dự đoán từ tất cả các hàm chế độ nội tại (IMF). Hiệu suất của mô hình được đánh giá thông qua dự báo bức xạ mặt trời tại Hà Nội, sử dụng dữ liệu thời tiết từ năm 2018.
Dữ liệu được thu thập theo khoảng thời gian 1 giờ và được sử dụng cho dự báo trước một bước, 12 bước và 24 bước. Độ chính xác dự báo của mô hình đề xuất đã được so sánh với bốn mô hình khác, bao gồm cả phương pháp đơn và phương pháp kết hợp: Mạng bộ nhớ dài ngắn hạn song hướng, ELM, OS-ELM và EMD-ELM. Hai số liệu đánh giá RMSE và MAE đã được sử dụng để đánh giá hiệu suất dự báo của các mô hình. Kết quả tính toán cho thấy khi bước tiến nhiều bước tăng lên, độ chính xác giảm xuống. Trong mọi trường hợp, phương pháp đề xuất đều vượt trội hơn các phương pháp khác, đạt được tỷ lệ lỗi thấp nhất là 18,01 W/m2 đối với RMSE và 8,51 W/m2 đối với MAE ở 24 bước.
Xem chi tiết bài báo tại đây
