照度、温度、湿度、風速などの気象要因の影響を受け、太陽光発電システムの出力には変動性、不規則性、制御不能性などの特徴があり、太陽光エネルギー量の予測精度が低くなっています。このため、ファジー理論とサポートベクターマシンを組み合わせて太陽エネルギー量を予測します。まず、ファジーC平均クラスタリングアルゴリズムを使用してファジー帰属度を計算し、その後、元のサンプルをクラスタリングしてファジーサンプルを生成し、その後、サポートベクターマシンを使用してファジーサンプルをトレーニングし、最後に予測モデルを使用して将来数日間の太陽光発電量を予測します。 MATLABを使用した仮想シミュレーション実験によると、ファジー構造をサポートする予測モデルは、従来のBPニューラルネットワークモデルやサポートベクターマシンモデルと比較してより安定しており、予測誤差が小さいことが示されており、このモデルはシステムの予測精度を向上させています。

ファジー理論; サポートベクターマシン; 太陽エネルギー; 電力量予測; MATLABソフトウェア; ファジー帰属度; BPニューラルネットワーク; 予測誤差