Solar Radiation Prediction in the UTEQ based on Machine Learning Models

要約

この研究では、ケベド州立工科大学 (UTEQ) の中央キャンパスで日射量を予測するために使用されるさまざまな機械学習 (ML) モデルの有効性を調査します。
データは、キャンパスの高地に戦略的に設置された日射計から取得されました。
この機器は、2020 年以来継続的に太陽放射量データを記録し、さまざまな気象条件や時間的変動を含む包括的なデータセットを提供しています。
相関分析の結果、太陽放射量に影響を与える関連する気象変数として気温と時刻が特定されました。
線形回帰、K 最近傍法、デシジョン ツリー、勾配ブースティングなどのさまざまな機械学習アルゴリズムが、平均二乗誤差 (MSE)、二乗平均平方根誤差 (RMSE)、平均絶対誤差 (MAE) などの評価指標を使用して比較されました。
決定係数 ($R^2$)。
この研究では、Gradient Boosting Regressor が優れたパフォーマンスを示し、それに僅差で Random Forest Regressor が続くことが明らかになりました。
これらのモデルは、低い MSE と高い $R^2$ 値によって証明されるように、太陽放射の非線形パターンを効果的に捉えました。
ML モデルのパフォーマンスを評価することを目的として、http://https://solarradiationforecastinguteq.streamlit.app/ で入手できる UTEQ の太陽放射予測用の Web ベースのツールを開発しました。
得られた結果は、日射量予測における当社の ML モデルの有効性を実証し、リアルタイムの日射量予測における実用性に貢献し、効率的な太陽エネルギー管理に役立ちます。

要約(オリジナル)

This research explores the effectiveness of various Machine Learning (ML) models used to predicting solar radiation at the Central Campus of the State Technical University of Quevedo (UTEQ). The data was obtained from a pyranometer, strategically located in a high area of the campus. This instrument continuously recorded solar irradiance data since 2020, offering a comprehensive dataset encompassing various weather conditions and temporal variations. After a correlation analysis, temperature and the time of day were identified as the relevant meteorological variables that influenced the solar irradiance. Different machine learning algorithms such as Linear Regression, K-Nearest Neighbors, Decision Tree, and Gradient Boosting were compared using the evaluation metrics Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and the Coefficient of Determination ($R^2$). The study revealed that Gradient Boosting Regressor exhibited superior performance, closely followed by the Random Forest Regressor. These models effectively captured the non-linear patterns in solar radiation, as evidenced by their low MSE and high $R^2$ values. With the aim of assess the performance of our ML models, we developed a web-based tool for the Solar Radiation Forecasting in the UTEQ available at http://https://solarradiationforecastinguteq.streamlit.app/. The results obtained demonstrate the effectiveness of our ML models in solar radiation prediction and contribute a practical utility in real-time solar radiation forecasting, aiding in efficient solar energy management.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google