详细内容或原文请订阅后点击阅览
研究发现，新的人工智能方法可将太阳能预测提高高达 13%
随着太阳能成为电力供应的重要组成部分，准确预测太阳能电池板将产生多少电力变得越来越重要。北卡罗来纳州立大学的研究人员现已开发出一种新的预测方法，可以将日前的太阳能预测提高高达 13%，从而帮助公用事业公司更好地管理电网。 […]新的人工智能方法将太阳能预测提高了 13%，研究结果首先出现在 Knowridge Science Report 上。
来源:Knowridge科学报告随着太阳能成为电力供应的重要组成部分，准确预测太阳能电池板将产生多少电力变得越来越重要。
北卡罗来纳州立大学的研究人员现已开发出一种新的预测方法，可以将日前的太阳能预测提高高达 13%，帮助公用事业公司更好地管理电网。
太阳能是清洁、可再生且广泛使用的能源，但它有一个主要局限性：阳光会因云层、天气和季节条件而不断变化。
由于公用事业公司每天必须平衡电力供需，因此他们需要提前可靠地预测太阳能发电量。
为了改进这些预测，研究团队比较了几种使用天气数据和历史发电记录的预测模型。
一些模型依赖于传统的统计方法，这些方法擅长从过去的数据中识别模式。
其他人则使用人工神经网络，这是一种人工智能形式，能够更好地识别复杂的关系和随时间的变化。
研究人员使用 2019 年至 2022 年期间从两个加州公用事业公司（帝国灌溉区和洛杉矶水电部）收集的天气和太阳能数据测试了七个预测模型。
该研究的最大发现之一是，没有一个模型能够在每种情况下始终表现最佳。
尽管 BiLSTM 模型提供了最可靠的整体性能，但研究人员发现，通过结合多个不同模型的预测，他们可以取得更好的结果。
该团队测试了两种不同的组合预测方法。
第一个称为加权平均，它对过去表现较好的模型产生更大的影响。第二种称为多输入方法，允许预报系统同时使用来自多个地点的天气信息。