标准循环

使用标准循环神经网络、长短期记忆网络和门控循环单元进行太阳能产量预测

http://dx.doi.org/10.5755/j01.ee.32.4.28459 太阳辐射是现代社会依赖的可再生资源之一，它部分取代了现有的化石燃料能源。了解能源的生产方式必须与了解能源的消耗方式相辅相成。在经济背景下，收益来自整个供应链的可预测性。本文对如何使用标准循环神经网络、长短期记忆和门控循环单元来预测光伏 (PV) 系统的发电量进行了全面的研究。这种方法可用于太阳能甚至风能预测的其他用例，因为它为处理天气数据和循环人工神经网络提供了坚实的基础，而天气数据和循环人工神经网络是任何智能电网管理系统的核心。很少有研究探讨如何实施这些模型，更少的研究比较了不同模型类型的结果。使用的数据包括一小时分辨率的天气和发电量数据。对数据进行了进一步的预处理，以揭示最大信息量。选择了最有效的模型参数进行预测。太阳能在欧盟气候行动和欧洲绿色协议中扮演着重要的可再生能源角色。根据这些举措，实施了重要的法规，并为那些拥有解决开放点所需能力的人提供了财政资源。通过利用基于神经的预测方法，可以确保急需的可预测性，从而为部署和采用更多可再生技术提供所需的灵活性和稳健性。