بهینه سازی پیش بینی تابش خورشیدی بر اساس بستر اینترنت اشیاء در نیروگاه فوتولتائیک

ارامتر مقدار تابش خورشیدی یکی از مهم ترین پارامترها در تعیین مقدار توان خروجی پنل های فتوولتائیک است. پیش¬بینی دقیق این پارامتر برای برنامه¬ریزی در واحدهای دیسپچینگ(Dispatching ) و مدیریت بار از اهمیت ویژه ای برخوردار است. عدم قطعیت در میزان تابش خورشیدی و سختی پیش بینی آن، طراحان را با چالش های اقتصادی و مدیریتی مواجه می کند. در این پژوهش یک روش پیش بینی با دقت بالا با استفاده از روش های مبتنی بر درخت و بهبود عملکرد این روش ها به کمک الگوریتم های فرا ابتکاری ارائه می شود. تاکید اصلی در روش پیشنهادی عدم بیش-برازش و قابلیت اتکای بالا و قابلیت به کارگیری در سیستم های اینترنت اشیاء است. بنابراین، الگوریتم های فراابتکاری در بهینه سازی روش های مبتنی بر درخت و همینطور در انتخاب ویژگی و انتخاب نمونه ها نیز دخیل شده اند. لذا استفاده از روش های فراابتکاری به عنوان جنبه ی نوآوری اصلی این پژوهش، نه تنها استفاده برای به دست آوردن تنظیمات بهینه ی مدل های یادگیری ماشین بلکه در کاهش اثر نویزها، داده های پرت(Outlier) و ورودی های کم اثر نیز به بهبود کیفیت خروجی نهایی کمک کرده است. به علاوه مناسب سازی نتایج پیش بینی برای استفاده عملی در محیط نیروگاه های فتوولتائیک موضوع پراهمیتی است. این موضوع که از طریق تابع برازش نوآورانه این پژوهش در بهینه سازی مدل ها انجام پذیرفته است، باعث می شود که خروجی نهایی علاوه بر دقت بالا از نظر سهولت پیاده سازی در محیط های واقعی نیروگاه های فتوولتائیک نیز بهینه باشد. خروجی نهایی، یک مدل قوی است که با معیار مربع-R دارای امتیاز۹۵/۰ است و از نظر سادگی تا حد زیادی بهینه است.

کلیدواژه ها:

الگوریتم خفاش ، اینترنت اشیاء ، درخت تصمیم ، نیروگاه های فتوولتائیک ، یادگیری ماشین