Machine learning methods for solar radiation forecasting: A review

پیش بینی قدرت خروجی سیستم های خورشیدی برای عملکرد خوب شبکه برق و یا برای مدیریت بهینه جریان های انرژی که در منظومه شمسی اتفاق می افتد مورد نیاز است. قبل از پیش بینی خروجی سیستم های خورشیدی، پیش بینی از تابش خورشید ضروری است. پیش بینی تابش خورشیدی جهانی توسط چندین روش انجام می شود؛ دو دسته بزرگ شامل تصاویر ابر با مدل های فیزیکی و مدل های یادگیری ماشین است. در این راستا، هدف از این مقاله، ارائه خلاصه ای از روش های پیش بینی تابش خورشید با استفاده از روش های یادگیری ماشین است. اگرچه مقادیر زیادی از روشها مانند شبکه های عصبی یا رگرسیون بردار پشتیبانی را توصیف می کنند، نشان داده خواهد شد که در این زمینه پیش بینی استفاده از روش های دیگر (درخت رگرسیون، جنگل تصادفی، تقویت گرادیان و بسیاری دیگر) استفاده می شود. رتبه بندی عملکرد چنین روش هایی به دلیل تنوع مجموعه داده ها، گام زمان، افق پیش بینی، شاخص های تنظیم و عملکرد، پیچیده است. به طور کلی خطای پیش بینی کاملا برابر است. برای بهبود عملکرد پیش بینی برخی از نویسندگان پیشنهاد استفاده از مدل های ترکیبی یا استفاده از یک روش پیش بینی گروهی.