L’utilisation des techniques de l’apprentissage approfondi pour l’estimation des composantes solaires

Abstract

L’estimation précise des composantes du rayonnement solaire d’une location spécifique a été un des problèmes les plus importants des applications de l’énergie solaire. Dû au comportement non stationnaire des paramètres du rayonnement solaire et de la variété des conditions atmosphériques, les modèles de prévision autonomes sont insuffisants pour fournir une estimation précise dans certains cas. À cet égard, une nouvelle approche nommée CNN-SVM a été proposée pour la prévision multi-horaires du rayonnement solaire global. Le modèle proposé est basé principalement sur l’utilisation du modèle de réseaux de neurones convolutifs (CVV-1D) comme fonction de sélection des entrées météorologiques et la machine à vecteur support (SVM) comme modèle de régression. Les résultats obtenus montrent que le modèle combiné CNN-SVM donne une légère amélioration par rapport au modèle autonome en termes d’indicateurs statistiques