摘要
تتأثر إنتاجية أنظمة توليد الطاقة الشمسية بالعوامل الجوية مثل شدة الإضاءة و درجة الحرارة و الرطوبة و سرعة الرياح، مما يجعلها تتمتع بتقلب وعدم اتساق وصعوبة في التحكم في الإنتاج، وبالتالي تكون دقة توقع إنتاجية الطاقة الشمسية منخفضة. لذلك، تستخدم هذه الورقة نظرية الضباب بالاستعانة بآلة الدعم القابلة للتعلم لتوقع إنتاجية الطاقة الشمسية. ويتم ذلك أولاً من خلال حساب درجة الانتماء الضبابية باستخدام خوارزمية تجميع الانحسار الطبقي C. ثم يتم تجميع العينات الأصلية لإنتاج عينات ضبابية، ومن ثم يتم تدريب هذه العينات الضبابية باستخدام آلة الدعم القابلة للتعلم، وأخيرا يتم استخدام النموذج التنبؤي لتوقع إنتاجية الطاقة الشمسية في الأيام القادمة. أظهرت التجربة النموذجية للتنبؤ في MATLAB: أن نموذج توقع الضباب بآلة الدعم أكثر استقرارًا وأقل انحرافًا في النتائج مقارنة بالنموذج الكلاسيكي لشبكات العصب الاصطناعي BP ونموذج آلة الدعم القابلة للتعلم، كما تغلب النموذج على عيوب الطرق التقليدية للتنبؤ بالطاقة الشمسية مثل الإصرار على القيم الصغيرة وتأثير عوامل الطقس غير المؤكدة، وزيادة دقة التنبؤ بالنظام.
关键词
نظرية الضباب; آلة الدعم القابلة للتعلم; توليد الطاقة الشمسية; توقع إنتاجية الطاقة; برنامج MATLAB; درجة الانتماء الضبابية; نموذج الشبكة العصبية الاصطناعية BP; انحراف التوقع