太陽光発電の予測におけるディープラーニングアーキテクチャの比較分析

科学分野:

• 再生可能エネルギーシステム
• エネルギーにおける人工知能
• タイムシリーズ予測

背景:

• 太陽光発電の正確な予測は,再生可能エネルギーの電力網への統合に不可欠です.
• 既存の予測方法は,特に複雑な時間パターンの場合,信頼性と正確性に問題があります.
• ディープラーニング (DL) は,太陽光発電の予測を改善するための潜在的な解決策を提供します.

研究 の 目的:

• 太陽光発電の予測のための最先端のディープラーニングアーキテクチャの比較分析を行う.
• 主要な統計指標 (RMSE,MAE,MAPE,R2) を使用してDLモデルのパフォーマンスを評価する.
• 最も効果的なDLモデルを特定し,現実世界のエネルギーシステムの枠組みを提供する.

主な方法:

• 20の気象学と天文学的特徴を持つ 4,200の歴史的な太陽光発電記録のデータセットを使用しました.
• 8つのDLアーキテクチャを比較した:Autoencoder,LSTM,GRU,SimpleRNN,CNN,TCN,Transformer,InformerLite.
• RMSE,MAE,MAPE,R2メトリクスを用いてトレーニング,検証,テストデータセットに関するモデルのパフォーマンスを評価した.

主要な成果:

• テンポラルコンヴォルションネットワーク (TCN) は優れた性能を示し,テストR2 0. 7786とバランスのとれた相対標準偏差 0. 6827を達成しました.
• オートエンコーダーモデルは,全データセットで最大の一般的なパフォーマンスを示し,全体R2は0. 8437でした.
• トランスフォーマーモデルは,変更なしでの制限を示し,著しく劣ったパフォーマンスを示した (テストR2 = 0.0714).

結論:

• TCNとAutoencoderは,統計的指標に基づいて太陽光発電の予測のための最も効果的なディープラーニングモデルとして特定されています.
• この研究は,スマートグリッドアプリケーションのスケーラブル,解釈可能,拡張可能な予測フレームワークを提供します.
• 発見は,再生可能エネルギー管理と将来のハイブリッドモデリングの強化のためのDLの知的な統合をサポートします.