Solar energy paper index
Derin Öğrenme Tabanlı LSTM Modeli Kullanarak Çok Ufuklu Güneş Radyasyonu Tahmini
One-line summary
A solar energy research paper on Derin Öğrenme Tabanlı LSTM Modeli Kullanarak Çok Ufuklu Güneş Radyasyonu Tahmini.
Engineering notes
Engineering notes will be added by the Power for Solar editorial team.
Chinese explanation / 中文解读
中文解读待补充：本站会优先为光伏效率、钙钛矿太阳能电池、储能技术、太阳能热利用、BIPV、并网技术等高价值论文补充中文说明。
Original abstract
Bu çalışmada, günlük küresel güneş radyasyonunu tahmin etmek için çok ufuklu bir zaman serisi tahmin yaklaşımı geliştirilmiştir. Veri seti günlük frekansa göre hizalanmıştır ve eksik gözlemler, zamana dayalı enterpolasyon ve yılın gününe (DOY) dayalı mevsimsellik duyarlı istatistikleri birleştiren iki aşamalı bir atama stratejisi ile ele alınmıştır. Giriş özellikleri, gecikmeli değerler (1, 14, 30 gün) ve kayan pencere istatistikleri (ortalama, standart sapma, minimum ve maksimum) ile zenginleştirilmiştir. Çoklu çıktı başlıklarına sahip yığılmış derin LSTM mimarisi, tahmin modeli olarak kullanılmış ve Log-Cosh kayıp fonksiyonu kullanılarak eğitilmiştir. Model performansı, RMSE, MAE, nRMSE ve R² metrikleri kullanılarak değerlendirilmiştir. Sonuçlar, tahmin ufku arttıkça tahmin doğruluğunun önemli ölçüde iyileştiğini göstermektedir. 1 günlük ufuk için MAE değeri 1,166 iken, 14 günlük ve 30 günlük ufuklar için sırasıyla 0,645 ve 0,474'e düşmektedir. Benzer şekilde, R², 1 günlük tahminler için 0,642'den 30 günlük tahminler için 0,912'ye yükselmektedir.
Links and sources
Need this topic turned into a technical roadmap?
Power for Solar can prepare a custom solar energy literature review, simulation code map, dataset map, and B2B photovoltaic technology assessment.
Request B2B research
Comments