Forecasting electrical power generated from solar pv systems by innovative dl principles

Bu yüksek lisans araştırması, yeni DL algoritmalarının kayda değer etkinlik, doğruluk, güvenilirlik ve güvenilirlik ile tahminler yapmadaki önemli katkılarını ve önemli ilişkilerini incelemek ve keşfetmek için uygulanmaktadır. Çalışma, Hindistan'daki iki güneş PV sistemini içeren bir vaka çalışmasını ele alıyordu. Veri kümeleri tanımlandı ve üç DL modelinin doğruluğunu incelemek için iki performans değerlendirme yaklaşımı kullanıldı: LSTM, CNN ve LSTM-CNN. Bu çalışmadaki sayısal simülasyonlar ve matematiksel analiz, LSTM, CNN ve hibrit LSTM-CNN modellerinin, iki güneş PV sisteminden üretilen temiz elektrik gücünün tahmininde daha yüksek doğruluk sunduğunu ortaya çıkardı. Bununla birlikte, hibrit şemanın doğruluğu, ilk iki algoritmayla karşılaştırıldığında en önemli doğruluk oranlarını sağlamıştır. Araştırma bulguları ayrıca, üç algoritmanın eğitimiyle bağlantılı MAE değerlerinin, tüm dönem aralıklarında test süreciyle ilgili MAE miktarlarından daha önemli olduğunu gösterdi. Ayrıca üç algoritmanın eğitimine bağlı MAE'nin maksimum değerde başladığı tespit edildi. Daha sonra, daha geniş bir dönem aralığı için sürekli olarak daha düşük bir değere ulaşana kadar azalır. Ancak düşüş sonrası MAE değeri hala test sürecinin MAE oranlarından daha büyüktü. Ayrıca sayısal çıktılar, üç algoritmaya yönelik eğitim ve test prosedürlerinin RMSE değerinin, iki güneş PV sisteminin temiz elektrik gücünün tahmin edilmesinde MAE ile benzer davranışa sahip olduğunu doğruladı.