Unter dem Einfluss meteorologischer Faktoren wie Beleuchtungsstärke, Temperatur, Luftfeuchtigkeit und Windgeschwindigkeit weisen Solarstromerzeugungssysteme Merkmale von Schwankungen, Unregelmäßigkeiten und Nichtbeherrschbarkeit der Ausgangsleistung auf, und die Genauigkeit der Vorhersage der Menge an Solarenergie ist gering. Aus diesem Grund wird die Fuzzy-Theorie in Kombination mit der Support-Vektor-Maschine verwendet, um die Menge an Solarenergie vorherzusagen. Zunächst werden unscharfe Zugehörigkeitsgrade mithilfe des Algorithmus für unscharfe Mittelwerte C berechnet, dann werden die Proben klassifiziert, um unscharfe Proben zu bilden, dann trainiert die Support-Vektor-Maschine die unscharfen Proben, und schließlich wird das Vorhersagemodell verwendet, um die Menge an Solarenergie in den nächsten Tagen vorherzusagen. Virtuelle Simulationsexperimente mit MATLAB zeigen, dass das Vorhersagemodell mit Unterstützung der Fuzzy-Struktur stabiler ist und einen geringeren Vorhersagefehler aufweist im Vergleich zum klassischen Modell des BP-Neuronennetzwerks und zum Modell der Support-Vektor-Maschine und dass dieses Modell die Genauigkeit der Systemvorhersage verbessert.

Fuzzy-Theorie; Support-Vektor-Maschine; Solarenergie; Vorhersage der Strommenge; MATLAB-Software; unscharfe Zugehörigkeitsgrade; klassisches Modell des BP-Neuronennetzwerks; Vorhersagefehler