基于空气质量指数和天气特征的太阳能发电预测——机器学习方法

本文解决了准确预测太阳能发电模型的迫切需求，这对于高效的电网集成至关重要。我们探讨了空气质量指数（AQI）和天气特征对太阳能发电的影响，采用先进的机器学习和深度学习技术。我们的 methodology 使用时序建模，并创新性地采用功率变换归一化和零膨胀建模。应用各种机器学习算法和基于 Conv2D 长短期记忆模型的深度学习模型对这些转换进行精确预测。结果凸显了我们方法的有效性，表明在空气质量指数和天气特征的基础上实现了提高的预测准确性。我们采用 Conv2D 长短期记忆模型，达到了 0.9691 的 $R^2$ 分数、0.18 MAE、0.10 RMSE，展示了功率变换技术在太阳能发电时间序列预测中提升精度的创新作用。此结果帮助我们的研究为空气质量指数、天气特征与深度学习技术在太阳能预测中的协同作用提供了宝贵的见解。