虚假数据注入对基于人工智能的太阳能光伏发电力预测的影响分析
信号处理
2021-10-20 v1 机器学习
摘要
太阳能光伏(PV)能源的使用为电网提供了额外资源。这种集成的弊端在于太阳能供应不可靠且高度依赖天气条件。预测的可预测性与稳定性对于太阳能的充分利用至关重要。本研究使用公开数据集回顾并评估了多种基于机器学习的太阳能PV发电力预测模型。此外，采用均方根误差(RMSE)、均方误差(MSE)和平均绝对误差(MAE)指标评估结果。对线性回归、高斯过程回归、K近邻、决策树、梯度提升回归树、多层感知机和支持向量回归算法进行了评估。同时考察了它们对虚假数据注入攻击的响应。多层感知机回归方法在常规与注入噪声的数据集上均表现出优于其他方法的稳健预测。
引用
@article{arxiv.2110.09948,
title = {Analysis of False Data Injection Impact on AI based Solar Photovoltaic Power Generation Forecasting},
author = {S. Sarp and M. Kuzlu and U. Cali and O. Elma and O. Guler},
journal= {arXiv preprint arXiv:2110.09948},
year = {2021}
}
备注
6 pages,3 figures, 3 tables, 2021 International Conference & Exposition on Modern Energy and Power Systems (ICMEPS2021)