TextBody
Huy chương 2

Nghiên cứu sử dụng mô hình học máy tăng cường độ dốc vào dự đoán năng lượng pin mặt trời sử dụng công nghệ quang điện

12/02/2024

Nhu cầu năng lượng toàn cầu ngày càng tăng, cùng với nhu cầu về các nguồn năng lượng sạch và bền vững, đã dẫn đến sự gia tăng đáng kể các dự án điện mặt trời trên toàn thế giới nói chung và Việt Nam nói riêng. Tại Việt Nam, công nghệ, kỹ thuật và khả năng phát triển dự án điện mặt trời còn đang phụ thuộc rất nhiều vào nước ngoài, dẫn đến việc triển khai điện mặt trời với quy mô lớn còn gặp nhiều khó khăn, đặc biệt là về giá thành. Điều này khiến điện mặt trời khó có khả năng cạnh tranh với những nguồn điện truyền thống khác. Tuy nhiên việc đánh giá, thiết kế năng lượng pin mặt trời bằng công nghệ quang điện Solar photovoltaic ở Việt Nam còn nhiều hạn chế, chủ yếu do các đơn vị tư vấn nước ngoài. Sẽ hết sức có ý nghĩa nếu có thể đánh giá sơ bộ ban đầu nguồn năng lượng pin mặt trời. Việc sử dụng công cụ học máy ML trong dự báo năng lượng mặt trời đã thu hút được sự chú ý đáng kể trong những năm gần đây, với một số nghiên cứu chứng minh tiềm năng của các mô hình dựa trên ML trong việc cải thiện độ chính xác và độ tin cậy của dự báo năng lượng mặt trời. Do vậy, nghiên cứu này sẽ nghiên cứu đưa ra một ứng dụng cụ thể của một mô hình học máy hiện đại là tăng cường độ dốc (Gradient Boosting) trong việc dự báo năng lượng pin mặt trời từ nhiệt độ môi trường, lượng bức xạ nhiệt và nhiệt độ pin mặt trời.

1. ĐẶT VẤN ĐỀ

2. MÔ TẢ CƠ SỞ DỮ LIỆU

3. THUẬT TOÁN HỌC MÁY TĂNG CƯỜNG ĐỘ DỐC (GB)

4. KẾT QUẢ DỰ ĐOÁN NĂNG LƯỢNG PIN MẶT TRỜI BẰNG MÔ HÌNH HỌC MÁY

5. KẾT LUẬN

TÀI LIỆU THAM KHẢO

[1] S. Kabir, A. Shufian, and Md. S. R. Zishan, “Isolation Forest Based Anomaly Detection and Fault Localization for Solar PV System,” in 2023 3rd International Conference on Robotics, Electrical and Signal Processing Techniques (ICREST), Jan. 2023, pp. 341–345. doi: 10.1109/ICREST57604.2023.10070033.

[2] “Vietnam is leading the transition to clean energy in South-East Asia,” The Economist. Accessed: Apr. 27, 2023. [Online]. Available: https://www.economist.com/asia/2022/06/02/vietnam-is-leading-the-transition-to-clean-energy-in-south-east-asia?utm_medium=cpc.adword.pd&utm_source=google&ppccampaignID=18151738051&ppcadID=&utm_campaign=a.22brand_pmax&utm_content=conversion.direct-response.anonymous&gclid=CjwKCAjwuqiiBhBtEiwATgvixILqxyEwErLLytjeqkFYS1KHuRHKyq0IRj5FJcYXs44Q0Lt3aSiAcxoCvt4QAvD_BwE&gclsrc=aw.ds

[3] C. Pasion, T. Wagner, C. Koschnick, S. Schuldt, J. Williams, and K. Hallinan, “Machine Learning Modeling of Horizontal Photovoltaics Using Weather and Location Data,” Energies, vol. 13, no. 10, p. 2570, May 2020, doi: 10.3390/en13102570.

[4] J. M. Barrera, A. Reina, A. Maté, and J. C. Trujillo, “Solar Energy Prediction Model Based on Artificial Neural Networks and Open Data,” Sustainability, vol. 12, no. 17, Art. no. 17, Jan. 2020, doi: 10.3390/su12176915.

[5] A. Ortiz et al., “An Artificial Intelligence Dataset for Solar Energy Locations in India,” Sci Data, vol. 9, no. 1, Art. no. 1, Aug. 2022, doi: 10.1038/s41597-022-01499-9.

[6] “Solar power generation forecast with 99% AUC.” https://kaggle.com/code/pythonafroz/solar-power-generation-forecast-with-99-auc (accessed Sep. 17, 2023).

[7] J. Friedman, “Stochastic gradient boosting,” 2002, doi: 10.1016/S0167-9473(01)00065-2.

[8] L. Breiman, “Random Forests,” Machine Learning, vol. 45, no. 1, pp. 5–32, Oct. 2001, doi: 10.1023/A:1010933404324.

[9] L. K. Hansen and P. Salamon, “Neural network ensembles,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 10, pp. 993–1001, Oct. 1990, doi: 10.1109/34.58871.

[10] F. Pedregosa et al., “Scikit-learn: Machine Learning in Python,” Journal of Machine Learning Research, vol. 12, pp. 2825–2830, 2011

________________________________________________________________________

Chi tiết bài báo xem tại đây: Nghiên cứu sử dụng mô hình học máy tăng cường độ dốc vào dự đoán năng lượng pin mặt trời sử dụng công nghệ quang điện

Nguyễn Hữu Năm, Trần Quốc Thanh
Viện Thủy điện và Năng lượng tái tạo
Trần Văn Quân
Đại học Công nghệ Giao thông vận tải

TẠP CHÍ KH&CN THỦY LỢI

Ý kiến góp ý: