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.