数値気象予測に基づく太陽光発電予測のための機械学習手法の比較

世界中の太陽光発電（PV）設備容量の増加と太陽資源の間欠的な特性は、技術のグリッド統合における電力予測の重要性を強調しています。本研究では、ハンガリーの16のPV発電所の2年間の15分解像度データセットに基づく決定論的な1日先の電力予測のために、24の機械学習モデルを比較しました。予測子の選択の影響とハイパーパラメータ調整の利点も評価されています。結果は、最も正確な2つのモデルがカーネルリッジ回帰と多層パーセプトロンであり、持続性に対して最大44.6%の予測スキルスコアを示すことを示しています。基本的なNWPデータに太陽位置角と統計処理された照度値を学習モデルの入力として補完することで、二乗平均平方根誤差（RMSE）が13.1%減少し、予測子選択の重要性が強調されています。ハイパーパラメータの調整は、特に適切な調整なしでは過剰適合や過小適合を起こしやすいロバスト性の低いモデルの完全な可能性を活用するために不可欠です。全体的に最良の予測は、線形回帰を使用したベースラインシナリオと比較して13.9%低いRMSEを持っています。さらに、日々の平均照度予測と太陽位置角のみに基づく電力予測は、最良のシナリオと比較して1.5%高いRMSEを持つに過ぎず、限られたデータの利用可能性においても機械学習の効果を示しています。この論文の結果は、NWPに基づくPV電力予測のための最良のデータ駆動型技術の構築において、研究者および実務者の両方を支援することができます。