ارزیابی مدلهای یادگیری عمیق PatchTST و LSTM برای پیشبینی بلندمدت توان تولیدی نیروگاههای خورشیدی در ایران

PatchTST این پژوهش پیش بینی توان تولیدی یک نیروگاه خورشیدی فرضی یک مگاواتی در تهران را با مدل یادگیری عمیق برای ادغام در سیستمهای ذخیره ساز انرژی بررسی می کند. با استفاده از دادههای هواشناسی، تابش، دما، رطوبت و تقاضای ذخیره سازی در سال ۱۴۰۳ PatchTST با خطای ۰.۲۷۰ MS و ضریب ۲۰.۹۴ کارایی شارژ د شارژ باتریها را بهبود داد. این پیش بینی ها هزینههای ذخیره سازی را تا ۱۲ کاهش دادند و به توسعه انرژیهای تجدیدپذیر کمک می کنند.

کلیدواژه ها:

پیش بینی توان خورشیدی ، یادگیری عمیق ، LSTM ، PatchTST