Методы машинного обучения для задач прогнозирования и максимизации выработки электроэнергии солнечной электростанции

Аннотация

Системы прогнозирования и максимизации выработки электроэнергии солнечной электростанции на основе методов машинного обучения повышают эффективность солнечной электростанции и, таким образом, актуальны в соответствии с приоритетным направлением развития науки, технологий и техники в РФ, с приоритетом государственной энергетической политики «Энергетической стратегии на период до 2035 года» и утвержденными правительственной комиссией по высоким технологиям и инновациям технологическими платформами: «Интеллектуальная электроэнергетическая система России», «Малая распределённая энергетика». Системы выработки электроэнергии солнечной электростанции имеют сложную нелинейную динамику с неопределенностями, обусловленными изменением параметров системы и флуктуациями инсоляции. Таким образом, аппроксимировать эту сложную динамику классическими алгоритмами с заданной точностью нельзя, в то время как алгоритмы машинного обучения обеспечивают требуемую точность. Методы машинного обучения становятся ключевыми элементами современных систем прогнозирования и максимизации выработки электроэнергии солнечной электростанции в связи с растущим спросом на высокопроизводительный анализ данных с целью повышения эффективности и надежности солнечной электростанции. При решении задач прогнозирования и максимизации выработки электроэнергии солнечной электростанции алгоритмы машинного обучения в сравнении с традиционными алгоритмами обеспечивают следующие преимущества: требуемую точность решения указанных задач; безопасное и эффективное управления электрическими сетями, интегрирующими солнечные электростанции. В отличие от других обзорных статей, наше исследование: кратко обобщает наши интеллектуальные самоадаптирующиеся интеллектуальные системы прогнозирования и максимизации выработки электроэнергии солнечной электростанции; обобщает аналитический обзор в таблицах, отражающих сравнительный анализ качества, в том числе точности, систем прогнозирования и максимизации выработки электроэнергии солнечной электростанции на основе алгоритмов машинного обучения; оценивает перспективы будущей цифровой трансформации солнечной энергетики в умную солнечную энергетику на основе интегрированных передовых технологий, в том числе машинного обучения.