Machine learning algorithms are being used to predict the output capacity of asolar farm in California in order to substitute renewable energy with fossil fuels
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 163
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECM01_030
تاریخ نمایه سازی: 9 مرداد 1401
چکیده مقاله:
Solar energy forecasting is a critical component of boosting the competitiveness of solar power plants in the energy market and decreasing economic and societal dependency on fossil fuels. The datasets we used in this study represent data from ۲۰۱۹ to ۲۰۲۱and are related to California. Decision Tree and Extra Tree have provided high accuracies. Extra Tree has shown good performance with about ۴ seconds predictions. Decision Tree has shown as good as Extra Tree performance with approximately ۱.۷ seconds predictions
کلیدواژه ها:
نویسندگان
Seyed Matin Malakoti
Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran
Amir Rikhtehgar Ghiasi
Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran