روشهاي پيشرفته علمي براي پيش بيني توان توليدي فتو ولتائيك

چكيده: روشهاي علمي پيش بيني براي يكپارچـه سازي موفقيت آميز فناوري توان توليدي از طريق تبدل انرژي خورشيدي به الكتريسيته(سامانه توليد برق از انرژي خورشيدي) در شبكه فعاليتي بسيارمهم است .طراحي دقيق پيش بيني كنندگان عملكرد فناوري تبدل انرژي به الكتريسيته همچنان يك مسئله ي چالش برانگيز است،به خصوص براي پيش گويي از روشهاي غيرعلمي چند مرحله اي .پيش بيني دقيق علمي قدرت عملكرد دقيق سامانه توليد برق از انرژي خورشيدي در تعدادي از برنامه ها همچون ريزشبكه ها،بهينه سازي و مديريت انرژي،سامانه توليد برق از انرژي خورشيدي در ساختمان هاي هوشمند،و اجاره خودرو برقي بسيار مهم است .در طول دهه گذشته،ادبيات گسترده اي در اين موضوع، با بررسي روش هاي عددي و احتمالي،مدل هاي فيزيكي،و تكنيك هاي هوش مصنوعي توليد شده است.هدف اين مقاله ارائه يك بررسي كامل و انتقادي در مورد كاربردهاي اخير تكنيك هاي هوش مصنوعي مي باشد؛ ما به ويژه بر يادگيري ماشين (ML)،يادگيري عميق (DL) و روش هاي تركيبي تمركز خواهيم كرد، زيرا اين شاخه هاي هوش مصنوعي به طور افزوني مجذوب مي شوند.توجه بخصوصي به توسعه اخير كاربرد يادگيري و همچنين توسعه برنامه هاي آينده در اين موضوع معرفي خواهد شد.