Изследовател от университета Селчук е сравнил шест алгоритъма за машинно обучение за прогнозиране на облъчването от предната и задната страна на равнината при двустранни фотоволтаични системи. Методът на „случайната гора“ е дал най-добри резултати и за двете страни. Все пак облъчването от задната страна се е оказало по-трудно за прогнозиране.
Ученият от турския университет Селчук е провел сравнителен анализ на множество алгоритми за машинно обучение с цел прогнозиране на облъчването на равнината (PoA) на двустранни (двулицеви) фотоволтаични панели. Изследователят е използвал идентични входни данни за околните условия, за да предскаже облъчването на PoA както от предната, така и от задната страна на панелите.
„Това проучване представя цялостна рамка, базирана на машинно обучение, за прогнозиране на облъчването от предната и задната страна на PoA в двустранна фотоволтаична система, използвайки рутинно измерени метеорологични, повърхностни и времеви входни променливи“, казва изследователят Айшегюл Топрак в статията си.
„Проучването показва, че точна и интерпретируема прогноза за облъчване както отпред, така и отзад на PoA може да се постигне с помощта на компактен набор от лесно измерими входни данни“, допълва изследователят.
В проучването са използвани синхронизирани полеви измервания, събрани между 17 ноември 2023 г. и 29 май 2024 г. от вертикален двустранен фотоволтаичен тестов стенд, управляван от Националната лаборатория за възобновяема енергия (NREL) към Министерството на енергетиката на САЩ в Голдън, Колорадо.
Тестовият стенд се състои от вертикално монтиран фотоволтаичен масив от двулицеви панели, разположен близо до земята, заедно с метеорологични сензори, измервания на отразеното от земята облъчване и шест референтни клетки IMT.
Входният набор от данни включва параметрите за облъчване, температура на околната среда, скорост на вятъра, албедо на тестовия стенд и редица други данни. Оценени са шест регресионни алгоритъма. Всеки модел е изпълнен отделно за предно и задно PoA облъчване, използвайки едни и същи входни променливи. Точността на предсказване е оценена чрез три математически метода.
Резултатите показват, че нелинейните модели ясно превъзхождат линейната регресия при прогнозиране както на предно, така и на задно облъчване. Методът на „случайната гора“ постига най-добри резултати за предно PoA облъчване. Други добри постижения са отчетени с MLP, XGBoost и SVR.
Задната PoA облъченост се оказва по-трудна за прогнозиране. „Случайната гора“ отново сработва най-добре. Най-слаби са постиженията на линейната регресия .
„Резултатите показват, че фронталното облъчване се определя предимно от глобалната облъченост и дневната слънчева геометрия, докато задното облъчване е силно повлияно от повърхностни фактори като албедо на земята и наличие на отразяваща почвена покривка, което потвърждава условния и интерактивен характер на формирането на задната облъченост в двустранните системи“, заключава Топрак.
