研究目的
为研究光伏发电系统在知情维护范围内进行日前预测所需的输入数据和机器学习技术。
研究成果
随机森林模型2表现最佳,平均MRE为2.70%。辐照度、先前发电量和太阳位置被发现是最重要的变量。1年的训练集代表了数据集大小与建模精度之间的最佳权衡。建模精度与气象站距离密切相关,优先选择距离小于5公里的气象站。
研究不足
该方法无法应用于没有附近气象数据的新建或规划场地,因此必须获取可靠的气象数据。
研究目的
为研究光伏发电系统在知情维护范围内进行日前预测所需的输入数据和机器学习技术。
研究成果
随机森林模型2表现最佳,平均MRE为2.70%。辐照度、先前发电量和太阳位置被发现是最重要的变量。1年的训练集代表了数据集大小与建模精度之间的最佳权衡。建模精度与气象站距离密切相关,优先选择距离小于5公里的气象站。
研究不足
该方法无法应用于没有附近气象数据的新建或规划场地,因此必须获取可靠的气象数据。
加载中....
您正在对论文“[2019年IEEE工业应用学会年会 - 美国马里兰州巴尔的摩(2019.9.29-2019.10.3)] 2019年IEEE工业应用学会年会 - 光伏系统故障检测所需的建模方法与数据集评估”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期