全气候高精度预测
基于Transformer的预测模型在10分钟至24小时的不同时间步长上综合性能最佳，结合多参数与全气候条件，显著提升太阳辐照度预测的泛化能力。
Yinlong, Zhu · 李明 · Ma X. · 王云峰 · 李国良 · Ying, Zhang · Liu, Yali · Hassanien, Reda Hassanien Emam
Energy Conversion and Management 2024
在10分钟步长下，Transformer模型对瞬时总辐照度的决定系数达93.9%，MAE低至0.118 W/m²，可直接用于精细化管理。
在10分钟到24小时的9种预测长度上，Transformer模型均表现最佳，可满足从实时调控到日前计划的不同需求。
模型在9种天气条件（包括晴、阴、雨、雪、沙尘等）下验证，结合多参数输入，适应性强。
通过结合不同数据量和季节性的模型策略，预测方案在全年数据上取得最佳效果，减少重新训练成本。