机构名称：
¥ 1.0
摘要：随着可再生能源在全球越来越流行，而到目前为止，太阳能和风能一直是可再生能源的主要来源，因此可再生能源预测的准确性是对电力系统的计划，管理和运营的挑战。但是，由于可再生能源数据的中间和疯狂的性质，这是最具挑战性的任务。这项研究提供了基于不同机器学习算法的可再生能源预测的全面，完整的审查，以探索有效性，效率，能力和应用潜力。在这项工作中，我们在十二（12）个国家 /地区建立了使用支持向量机（SVM），线性回归（LR）和长期短期记忆（LSTM）的时间序列可再生能源预测模型。实验结果非常有趣。例如，基于SVM的预测模型更适合具有均值较小和标准偏差的国家，而基于线性回归的方法在均值较大和标准偏差的情况下显示出更好的结果。同时，基于LSTM的模型提供了更平滑的常规预测。我们可以通过这些预测模型预测两年的每日可再生能源生产。应该指出的是，我们已经为不同国家开发了不同的模型。我们能够使用基于SVM的模型达到3.1 38的根平方（RMS）值。
可再生能源生产预测：比较机器学习分析
主要关键词
相关文件推荐
