研究目的
利用光敏电阻(LDR)传感器及其温度在嵌入式平台上估算全球太阳辐照度,将其数值与商用总辐射表获取的数据进行对比,并采用多层感知器神经网络实现LDR电压与温度信号相对于商用传感器辐照度数据的非线性回归。
研究成果
多层感知器网络用于非线性回归被证明是有效的,为高成本的实验室设备提供了良好的替代方案。最佳配置采用了一个包含两个属性(光敏电阻电压及其温度)的单一MLP,具有更高的准确性。该方法有望降低可再生能源应用的成本。
研究不足
将数据库分为两部分后剩余的少量数据可能会影响回归结果。太阳辐照度估算器的应用可能受到该地区气候的强烈影响,而云层经过时入射到传感器上的阳光遮挡量也是一个重要因素。
1:实验设计与方法选择:
使用LDR传感器及其温度构建原型机来估算全球太阳辐照度,采用MLP神经网络进行非线性回归分析。
2:样本选择与数据来源:
2017年11月23日当地时间4时至18时在巴西福塔莱萨采集数据,以商用总辐射表作为参考基准。
3:实验设备与材料清单:
原型机包含Token公司的LDR传感器(型号PGM2003)、电子联盟的NTC热敏电阻(型号MF52)以及Atmel公司的ATtiny85微控制器。
4:3)、电子联盟的NTC热敏电阻(型号MF52)以及Atmel公司的ATtiny85微控制器。
实验流程与操作步骤:
4. 实验流程与操作步骤:原型机以2Hz频率采集数据并存储待处理,MLP网络通过MATLAB完成训练与测试。
5:数据分析方法:
采用决定系数R2、均方误差MSE、平均偏差MBE和均方根误差RMSE等指标评估MLP网络性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容