نموذج تنبؤ متعدد الخطوات قصير المدى لتوليد الطاقة الكهروضوئية باستخدام نموذج التعلم العميق

تستثمر الدول المتقدمة بشكل كبير في الطاقة المتجددة حاليًا، وخاصة الطاقة الكهروضوئية (PV)، لتحقيق انبعاثات صفرية صافية. ولكن توليد الطاقة الكهروضوئية متقلب للغاية، مما يجعل تحقيق توازن العرض والطلب تحديًا. ستساعد نماذج التنبؤ القوية في دمج واحتلال الطاقة الكهروضوئية في الشبكة، مما يضمن توافر مورد كافٍ لتلبية الطلب، مما يضمن موثوقية واستقرار أنظمة الطاقة. في هذه الورقة، تم تطوير نموذج تعلم عميق لتنبؤ متعدد الخطوات لتوليد الطاقة الكهروضوئية باستخدام مجموعة صغيرة من متغيرات الطقس بدقة 15 دقيقة، مع وقت حساب منخفض جدًا. تتوافق التنبؤات بشكل وثيق مع التوليد الفعلي، مع خطأ متوسط مطلق مُنَظَّم (nMAE) قدره 0.04، وهو أقل بكثير من 1 كيلو وات ساعة من حيث خطأ في توليد التنبؤ. يتم دمج التنبؤ المباشر والمتعدد المخرجات هنا. تُظهر المقارنات مع الذاكرة طويلة وقصيرة المدى (LSTM) ووحدة تكرارية البوابة (GRU) تحسين في الأداء بنسبة تقريبية تبلغ 15% مقارنةً بـ LSTM و 17% مقارنةً بـ GRU من حيث nMAE المتوسط. يمكن استخدام النموذج في البيئات الحضرية للتنبؤ قصير المدى. أيضًا، إذا كان هناك توقع دقيق متاح، يمكن لمالكي الأصول الكهروضوئية تخطيط توليدهم بشكل أفضل عند تصدير الطاقة مرة أخرى إلى الشبكة، وتقديم عروض أفضل في أسواق الطاقة، وزيادة إيراداتهم وزيادة حصة الطاقة المتجددة في سوق الطاقة في النهاية.