Mô hình lai kết hợp phân tách EMD và OSELM dự báo ngắn hạn đa bước bức xạ mặt trời

Tóm tắt

Dự báo chính xác bức xạ mặt trời đóng vai trò then chốt trong việc khai thác hiệu quả tiềm năng của các nguồn năng lượng tái tạo. Bài báo này giới thiệu một mô hình lai tiên tiến, kết hợp phương pháp phân tách theo kinh nghiệm (EMD) và mô hình học máy Online Sequential Extreme Learning Machine (OS-ELM), nhằm dự báo bức xạ mặt trời đa bước. Cụ thể, dữ liệu đầu vào được tiền xử lý và phân tách thành các thành phần dao động nội tại (IMF) bằng EMD. Các IMF này sau đó được dự báo riêng lẻ bằng mô hình OS-ELM. Kết quả dự báo của từng IMF được tổng hợp để tạo thành dự báo cuối cùng. Để đánh giá hiệu quả của mô hình đề xuất, chúng tôi đã tiến hành dự báo bức xạ mặt trời tại Hà Nội, Việt Nam, sử dụng dữ liệu thời tiết thu thập trong năm 2018 với tần suất 1 giờ. Khả năng dự báo của mô hình được kiểm định trên các khung thời gian 1, 12 và 24 giờ tiếp theo. Kết quả so sánh với các mô hình khác bao gồm Bi-LSTM, ELM, OS-ELM và EMD-ELM cho thấy mô hình đề xuất vượt trội hơn đáng kể, thể hiện qua các chỉ số đánh giá RMS và MAE thấp nhất.