A Comparative Study of Machine Learning–based Models for Short-Term Multi-step Forecasting of Solar Power: An Application for Nhi Ha Solar Farm

Tóm tắt

Trong thời gian gần đây, việc sử dụng năng lượng mặt trời càng ngày càng trở nên phổ biến và đã trở thành một phần quan trọng trong lưới điện, dần dần thay thế các nguồn phát sử dụng nhiên liệu hóa thạch. Do đó, dự báo ngắn hạn công suất điện mặt trời một cách chính xác là công việc vô cùng quan trọng để đưa ra quyết định về việc sản xuất, truyền tải và phân phối điện. Nhiều mô hình học máy đã được nghiên cứu và ứng dụng để dự báo công suất điện mặt trời. Trong bài báo này, chúng tôi đã nghiên cứu 4 mô hình học máy khác nhau, bao gồm Mạng Nơ-ron Nhân Tạo (ANN), Mạng Nơ-ron tích chập (CNN), Bộ nhớ dài-ngắn hạn (LSTM) và Máy học cực (ELM) và áp dụng chúng để dự báo công suất điện mặt trời Nhị Hà. Trước hết, dữ liệu từ trang trại điện mặt trời Nhị Hà được thu thập và tiến hành tiền xử lý. Sau đó các dữ liệu này được đưa vào bốn mô hình học máy khác nhau để huấn luyện và kiểm tra khả năng dự báo. Căn bậc 2 của trung bình bình phương sai số (RMSE) và căn bậc 2 của trung bình bình phương sai số chuẩn hóa (N-RMSE) sẽ được dùng để so sánh độ chính xác của các mô hình khi dự báo ngắn hạn công suất nhà máy điện mặt trời. Kết quả cho thấy cả bốn mô hình đều có thể dự báo tương đối tốt, với giá trị RMSE và N-RMSE đạt mức thấp. Trong đó, mô hình LSTM và ELM đã thể hiện khả năng dự báo chính xác hơn cả, có thể ứng dụng cho dự báo ngắn hạn công suất điện mặt trời.