基于机器学习的太阳能发电预测
机器学习
2023-03-15 v1
摘要
本文提出一种基于机器学习的方法，利用 99% AUC（曲线下面积）指标高精度预测太阳能发电。该方法包括数据收集、预处理、特征选择、模型选择、训练、评估与部署。从多个来源收集高质量数据，包括气象数据、太阳辐照度数据和历史太阳能发电数据，并进行预处理以去除离群值、处理缺失值和归一化数据。选取温度、湿度、风速和太阳辐照度等相关特征用于模型训练。使用支持向量机(SVM)、随机森林和梯度提升作为机器学习算法以产生准确预测。模型在包含历史太阳能发电数据及其他相关特征的大规模数据集上训练。使用 AUC 以及精确率、召回率和 F1 分数等指标评估模型性能。训练好的机器学习模型随后部署于生产环境，可用于对太阳能发电进行实时预测。结果表明，所提方法在太阳能发电预测上达到 99% AUC，可帮助能源公司更好地管理太阳能电力系统、降低成本并提升能效。
引用
@article{arxiv.2303.07875,
title = {Solar Power Prediction Using Machine Learning},
author = {E. Subramanian and M. Mithun Karthik and G Prem Krishna and D. Vaisnav Prasath and V. Sukesh Kumar},
journal= {arXiv preprint arXiv:2303.07875},
year = {2023}
}
备注
7 pages