基于机器学习的方法用于建模实际户外条件下光伏阵列的输出功率

摘要： 研究光伏系统（尤其是采用单/双二极管模型配置进行输出功率预测时）的精确建模长期性能至关重要。但单一模型配置会限制其预测精度。本文提出一种基于机器学习分类算法的新型混合方法，根据气候条件动态结合单/双二极管模型以提高输出功率预测精度。通过决策树、k近邻、判别分析、朴素贝叶斯、支持向量机及集成分类算法，研究了地中海气候条件下不同工况的光伏功率预测。分类算法验证表明：双二极管模型更适用于中低光照强度与温度环境。86%-87.5%的预测准确率凸显了分类技术在光伏功率预测中的潜力，1.5%的归一化平均绝对误差确保其误差低于单/双二极管等效电路模型（误差降低达0.15%）。该机器学习混合方法可为光伏系统及工业软件提供更精确的性能预测解决方案。