مروری بر پیش بینی توان سامانه های فتوولتائیک (خورشیدی) با استفاده از روش های یادگیری ماشین

کلکلتورهای فتوولتاییک، حرارتی دستگاه هایی هستند که در سال های اخیر به دلیل افزایش راندمان پنل های فتوولتائیک به عنوان منبع انرژی تجدیدپذیر نصب این پنل ها افزایش چشمگیری داشته است. منابع تجدیدپذیر مختلفی مانند سوخت های زیستی، زمین گرمایی، زیست توده، باد و خورشید وجود دارند. منابع انرژی بادی و خورشیدی از ناپایداری بالایی برخوردار بوده و استفاده بیش از حد از انرژی های تجدیدپذیر حفظ پایداری سیستم را با چالش جدی مواجه می سازد. سیستم فتوولتائیک می تواند به عنوان یک منبع انرژی جایگزین با استفاده از انرژی خورشیدی الکتریسیته تولید کند. عملکرد سیستم های فتوولتائیک تحت تاثیر شرایط آب و هوایی از جمله میزان رطوبت، دمای سطح سیستم و سرعت باد قرار دارند. پیش بینی تولید انرژی خورشیدی برای حفظ تعادل بین عرضه و تقاضا در شبکه برق از اهمیت بالایی برخوردار می باشد. همچنین با توجه به وابستگی تولید انرژی خورشیدی به شرایط جوی و ماهیت غیر قابل پیش بینی آن انجام این پیش بینی بسیار دشوار و پیچیده می باشد. در این مطالعه یک مدل ترکیبی که روش های آماری و یادگیری ماشین را در بر می گیرد، برای پیش بینی تولید برق خورشیدی در آینده ارائه شده است. مدل های سری زمانی و یادگیری ماشین را می توان برای پیش بینی خروجی انرژی سیستم فتوولتائیک که برای بسیاری از مشارکت کنندگان در بخش انرژی حیاتی می باشد استفاده کرد. همچنین در این مطالعه از الگوریتم های یادگیری ماشین برای افزایش دقت مدل پیشنهادی استفاده شده است. در این مقاله مروری پیش بینی انرژی خورشیدی با استفاده از یادگیری ماشین مورد بررسی قرار گرفته و همچنین تعیین شده است که کدام الگوریتم یادگیری ماشین برای پیش بینی انرژی خورشیدی مناسب تر می باشد.

Keywords:

پیش بینی , تابش خورشیدی , انرژی خورشیدی , سری های زمانی , الگوریتم های یادگیری ماشین