مدل سازی تولید توان فتوولتاییک براساس داده های هواشناسی و ظرفیت تولید: استفاده از الگوریتم های پیشرفته یادگیری ماشین

این مقاله به ارزیابی الگوریتم های مختلف یادگیری ماشین برای پیش بینی تولید انرژی فتوولتاییک بر اساس داده های هواشناسی و ظرفیت تولید پرداخته است. سه الگوریتم اصلی شامل جنگل تصادفی، رگرسیون بردار پشتیبان، و ماشین تقویت گرادیان سبک مورد استفاده قرار گرفته اند. داده های واقعی تولید انرژی فتوولتاییک از سیدنی در تابستان جمع آوری و با داده های هواشناسی ترکیب و نرمال سازی شده اند. نتایج نشان می دهند که الگوریتم ماشین تقویت گرادیان سبک با MSE برابر با ۳.۱۶۲۱، MAE برابر با ۱.۱۰۰۵، و (R²) برابر با ۰.۹۰۲۰، عملکرد بهتری نسبت به سایر مدل ها دارد. نمودارهای مقایسه ای نیز همخوانی بیشتر داده های پیش بینی شده توسط LightGBM با خط روند یکنواخت را نشان می دهند. بنابراین، این مدل به دلیل دقت بالا و خطای کمتر، به عنوان مناسب ترین الگوریتم برای پیش بینی تولید انرژی فتوولتاییک معرفی شده و می تواند به بهبود مدیریت و بهینه سازی تولید انرژی خورشیدی و تصمیم گیری های عملیاتی در شبکه های هوشمند و سیستم های توزیع انرژی کمک کند

کلیدواژه ها:

پیش بینی ، یادگیری ماشین ، الگوریتم درخت تصادفی ، رگرسیون بردار پشتیبان ، ماشین تقویت گرادیان سبک