一种新型通用太阳能预测器
计算机与社会
2019-02-21 v2 机器学习
摘要
太阳能是地球上最经济、最清洁的可持续能源之一。然而，由于依赖天气、季节及其他生态/环境等诸多条件，太阳能产出极具不可预测性。因此，太阳能预测是优化太阳能并提升太阳能系统效率的必然需求。传统上，太阳能优化由领域专家凭借其领域知识完成；尽管对专家而言持续调优太阳能系统亦不现实。我们坚信可利用机器学习之力，从通常易得的历史数据中学习各类条件与太阳能产出间的相关性，从而更好地优化太阳能生产。为此，本文使用朴素贝叶斯分类器预测已安装太阳能项目的日总发电量。在预测过程中，采用含日平均温度、日总日照时长、日总全球太阳辐照及日总光伏发电量参数的一年历史数据集作为分类值特征。借助该朴素贝叶斯程序，光伏能量预测的灵敏度与精度得以提升，并评估了其他太阳能特性对太阳能生产的影响。
引用
@article{arxiv.1902.06660,
title = {A Novel Universal Solar Energy Predictor},
author = {Nirupam Bidikar and Kotoju Rajitha and P. Usha Supriya},
journal= {arXiv preprint arXiv:1902.06660},
year = {2019}
}
备注
added additional results and discussion added new references corrected typos