摘要：准确预测太阳辐照度对提升电网稳定性、优化光伏并网调度至关重要。然而，太阳辐照度的变化受云层和气象条件等多重因素的复杂影响，具有高度随机性和显著波动性。为应对这一挑战，本文提出了基于地基云图的超短期辐照度预测方法。首先，设计了一种基于快速傅里叶变换的频谱增强模块，通过加权机制增强辐照度数据中的高频特征，增强模型在复杂天气下的适应性。同时，采用基于太阳质心的逆距离加权策略来绘制全局加权云图，该方法根据云层与太阳的相对位置分配不同的权重，并使用ResNet50网络提取全局加权云图中的关键特征。最后，将提取的多维特征输入双向GRU神经网络预测辐照度。实验结果表明，本方法在超短期辐照度预测中展现出优越性能，预测精度显著提升。
文章目录
1太阳辐照度超前预测框架
1.1数据预处理
1.2频域特征加强
1.2.1高频增强模块
1.3全局加权云图特征
1.3.1云层信息提取
1.3.2太阳中心点的计算
1.3.3全局加权云图
2实验研究和分析
2.1高频增强分析
2.2云图信息提取
2.2.1找寻太阳中心点
2.2.2逆距离加权映射
2.3 GHI多步超前预测
2.4消融研究
3结论
