날씨 조정을 통한 향상된 신경망을 이용한 적응형 태양광 발전 예측

태양광 발전 예측은 재생 가능 에너지가 통합된 전력 시스템에서 그리드 관리 및 안정성을 최적화하는 데 중요한 역할을 합니다. 이 연구 논문은 ARIMA, 지수 부드럽게 하기, 서포트 벡터 회귀, 랜덤 포레스트, 그래디언트 부스팅 및 물리 기반 모델을 포함한 전통적 및 고급 기계 학습 방법을 평가하는 태양광 발전 예측에 대한 포괄적인 연구를 제시합니다. 더욱이, 우리는 예측 정확도를 향상시키기 위해 날씨 조정 및 이전 예측 활용을 포함하는 혁신적인 향상된 인공 신경망(ANN) 모델을 제안합니다. 제안된 모델은 실제 태양광 발전 데이터를 사용하여 평가되며, 결과는 전통적인 방법 및 기타 기계 학습 접근 방식에 비해 우수한 성능을 보여줍니다. 향상된 ANN 모델은 0.116이라는 인상적인 평균 제곱근 오차(RMSE)와 36.26%의 평균 절대 백분율 오차(MAPE)를 달성합니다. 날씨 조정을 통합함으로써 모델은 변화하는 날씨 조건에 적응할 수 있어 불리한 상황에서도 신뢰성 있는 예측을 보장합니다. 이전 예측 활용을 통해 모델은 급격한 날씨 변화로 인한 예측 오류를 줄이면서 단기 추세를 포착할 수 있습니다. 제안된 향상된 ANN 모델은 태양광 발전 예측의 정확성과 신뢰성에 기여하여 태양 에너지의 전력 그리드 통합을 효율적으로 하고 지속 가능한 에너지 관행을 발전시킬 수 있는 유망한 도구로서의 잠재력을 보여줍니다.