深層ニューラルネットワークを用いた太陽放射予測

太陽放射の予測は再生可能エネルギー生成において重要なテーマです。予測は太陽光発電システムの計画と運用を改善し、電力会社に多くの経済的利点をもたらします。放射は、人工ニューラルネットワーク（ANN）、サポートベクターマシン（SVM）、または自己回帰移動平均（ARMA）などの統計方法を使用して予測できます。しかし、これらは長期的な依存関係を捉えることができないため精度に欠けるか、スケーラビリティの問題からビッグデータに適用できません。本論文では、深層ニューラルネットワークを利用して太陽放射を予測する方法を提示します。深層再帰ニューラルネットワーク（DRNN）は、変動の形を指定せずにモデルに複雑さを追加し、高レベルの特徴を抽出することを可能にします。DRNNは放射の予測に使用されます。本研究で利用したデータは、カナダの自然資源から得られた実データです。この方法のシミュレーションは、サポートベクター回帰やフィードフォワードニューラルネットワーク（FNN）などのいくつかの一般的な方法と比較されます。結果は、パフォーマンステストが示す通り、深層学習ニューラルネットワークが他のすべての方法よりも優れていることを示しています。