Gépi tanulási
algoritmusok vizsgálata napelemparkok statisztikai alapú termelés előrejelzésére
Markovics Dávid, Titkár, Energetikai Szakkollégium, markovics.david@eszk.org
Összefoglalás
A kutatásom során napelemparkok statisztikai alapú termelés előrejelzésének
lehetőségeit vizsgáltam, a Python scikit-learn könyvtárának gépi tanulási
algoritmusait alkalmazva, amelyek negyedórás sugárzás és hőmérséklet adatok
alapján adnak becslést egy napelempark day-ahead és intraday termelésére,
felhasználva a korábbi működés során tapasztalt valós termelés – időjárás
előrejelzés adatsorokat. Az eljárásokat optimalizáltam, vizsgáltam az egyes módszerek
kombinációjának lehetőségét, továbbá bevezettem olyan mérőszámokat, amelyek
segítségével tiszta és felhős napokra bontva külön betanított algoritmussal
lehet jósolni.
A hibaszámítás kapcsán azt tapasztaltam, hogy a célfüggvény nem egyértelmű,
hiszen a tulajdonosok a havonta befizetendő kiegyenlítő energia pótdíj
számláját szeretnék csökkenteni, amelynek elszámolási rendszere igen komplex, a
sok változó miatt nem képezhető belőle explicit képlet a fizikailag mérhető
eltérések általános értékelésére.