Vorhersage der Globalen Sonnenstrahlung

Dieses Buch zielt auf die Entwicklung eines neuen Modells zur Präversion von RSG auf der Grundlage von Deep Learning ab. Dieser Ansatz wird in der Lage sein, die Vorhersagegenauigkeit von RSG-Daten zu steigern. In der Folge verwaltet der vorliegende vorgeschlagene Algorithmus die Dynamik unserer gezielten Wetterkomponente effizient, indem er ein rekursives und dynamisches Modell namens LSTM Neuronales Netz mit einem autoregressiven Prozess integriert. Die Rohdaten, die für das Training dieses Modells zur Verfügung stehen, werden in zwei Sätze aufgeteilt, wobei der erste Satz für die Trainingsphase verwendet wird, während der zweite Satz für den Test reserviert ist. Das spezifische Ziel ist es, genaue halbstündliche RSG-Prognosen für die Stadt Er-Rachidia, MAROKKO (Breitengrad: 31°55'53 N; Längengrad: 4°25'35 W; Höhe: 1039 m) zu generieren, während ein leistungsstarker Lernalgorithmus namens Adam verwendet wird. Die in dieser Studie ermittelten Indizes und Ergebnisse zeigen, dass dieses Modell robust und vertrauenswürdig ist und den Stromnetzbetreibern zuverlässige Prognosen für ein besseres Management der Solarenergie- und Stromversorgungssysteme liefern kann.

Autorentext

Mohamed KHALA, nacido el 15/07/1992 en Zagora, Marruecos. Titular de un bachillerato científico, luego de una licencia fundamental en ciencias de la materia física, opción energética en la FSSM. Actualmente estudia el segundo año de un máster, especializado en Tecnologías Solares y Desarrollo Sostenible en la FST de Er-Rachidia.

Klappentext

Dieses Buch zielt auf die Entwicklung eines neuen Modells zur Prersion von RSG auf der Grundlage von Deep Learning ab. Dieser Ansatz wird in der Lage sein, die Vorhersagegenauigkeit von RSG-Daten zu steigern. In der Folge verwaltet der vorliegende vorgeschlagene Algorithmus die Dynamik unserer gezielten Wetterkomponente effizient, indem er ein rekursives und dynamisches Modell namens LSTM Neuronales Netz mit einem autoregressiven Prozess integriert. Die Rohdaten, die f das Training dieses Modells zur Verfung stehen, werden in zwei Sze aufgeteilt, wobei der erste Satz f die Trainingsphase verwendet wird, wrend der zweite Satz f den Test reserviert ist. Das spezifische Ziel ist es, genaue halbstdliche RSG-Prognosen f die Stadt Er-Rachidia, MAROKKO (Breitengrad: 31; Lgengrad: 4 W; He: 1039 m) zu generieren, wrend ein leistungsstarker Lernalgorithmus namens Adam verwendet wird. Die in dieser Studie ermittelten Indizes und Ergebnisse zeigen, dass dieses Modell robust und vertrauenswdig ist und den Stromnetzbetreibern zuverlsige Prognosen f ein besseres Management der Solarenergie- und Stromversorgungssysteme liefern kann.