A review of the state of the art in solar photovoltaic output power forecasting using data-driven models

Der Artikel geht auf die entscheidende Rolle ein, die solare Photovoltaik (PV) bei der Befriedigung des globalen Energiebedarfs und der Verringerung der Kohlenstoffemissionen spielt. Darin werden die Herausforderungen diskutiert, die sich aus der schwankenden Beschaffenheit der Solarenergie und der Notwendigkeit präziser Prognosemodelle ergeben. Der Bericht deckt verschiedene Prognosetechniken ab, einschließlich statistischer Modelle, physikalischer Modelle, maschineller Lernmodelle und hybrider Modelle. Die Stärken und Grenzen jedes Modells werden bewertet, wobei der Schwerpunkt auf ihrer Anwendbarkeit in unterschiedlichen Prognosehorizonten und Zeitschritten liegt. Der Artikel unterstreicht auch die Bedeutung des Datenschutzes und die Notwendigkeit eines sicheren Umgangs mit Daten in modernen Energiesystemen. Durch den Vergleich der Leistung verschiedener Modelle unter Verwendung verschiedener Leistungsindizes sollen die effektivsten Methoden für die PV-Energieprognose identifiziert werden. Der Artikel schließt mit einer Diskussion über die zukünftigen Forschungsrichtungen in diesem Bereich und betont die Notwendigkeit von Modellen, die unter variablen Bedingungen und über verschiedene Prognosehorizonte hinweg funktionieren können.