조명 강도, 온도, 습도 및 풍속과 같은 기상 요소의 영향을 받아 태양 에너지 발전 시스템의 출력은 변동성, 불규칙성 및 불강제성과 같은 특성을 가지며 태양 에너지 양의 예측 정확도가 낮습니다. 이를 위해 퍼지 이론과 서포트 벡터 머신을 결합하여 태양 에너지 양을 예측합니다. 먼저 퍼지 평균 알고리즘을 사용하여 퍼지 소속도를 계산한 다음 원시 샘플을 군집화하여 퍼지 샘플을 생성하고 그런 다음 지지 벡터 머신을 사용하여 퍼지 샘플을 훈련한 후 마지막으로 예측 모델을 사용하여 미래 몇 일 동안의 태양 광 발전량을 예측합니다. MATLAB을 사용한 가상 시뮬레이션 실험에 따르면 퍼지 구조를 지원하는 예측 모델이 BP 신경망 및 서포트 벡터 머신의 클래식 모델과 비교하여 더 안정적이며 예측 오차가 더 작으며 이 모델은 시스템 예측 정확도를 향상시켰습니다.

퍼지 이론; 서포트 벡터 머신; 태양 에너지; 전력량 예측; MATLAB 소프트웨어; 퍼지 소속도; BP 신경망; 예측 오차