Araştırma, pekee historia fotovoltaik nguvu değerlerini kullanarak 5 dakikalık çözünürlükte PV ya jua nguvu tahmini yapmak kwa Back-Propagation (BP) na Online Sequential Learning Algorithm (OSLA) yaklaşımlarını birleştiren Modified BP-OSLA adlı mseto moja ujifunzaji algoritması geliştiriyor. Model; tatu gecikmeli halisi nguvu değerini tatu gecikmeli utabiri değeriyle birleştiren sita girdili moja yapı, kosa belirli moja eşiği aştığında devreye giren koşullu uzito güncellemesi na küresel ujifunzaji uwiano kullanıyor. Üç Florida PV data serisinde 30 günlük eğitim na 7 günlük görünmeyen test döneminde kaynakta haftalık MAPE/WMAPE kama tofauti biçimlerde adlandırılan kosa değerleri Modified BP-OSLA kwa Oviedo'da %2,9890, Knights Key'de %8,8166 na Miami'de %4,05307 kama raporlandı. Model, bağımsız BPA na OSLA'dan zaidi chini kosa üretirken N-BEATS na N-HITS na benzer büyüklükte utabiri hataları verdi na çok zaidi chini ukokotoaji süreleri raporlandı. Bununla birlikte data seti tatu Florida serisiyle sınırlıdır; meteorolojik değişken kullanılmamıştır; chanzo halisi zamanlı 7 gün ileri açık mzunguko tahmini kando kama doğrulamamış na algoritmanın bazı uzito güncelleme denklemlerinde yeniden üretilebilirliği inayoathiri iç tutarsızlıklar bırakmıştır.

Çalışmanın асосӣ fikri, karmaşık moja kina ujifunzaji modelinin temsil gücünü moja kwa moja taklit etmek yerine zaidi küçük moja ileri beslemeli sinir ağının ujifunzaji biçimini değiştirmektir. Modified BP-OSLA, BP'nin çok katmanlı ağlarda hatayı geriye yayma yeteneğini OSLA'nın recursive least-squares tabanlı ölçeklenmiş güncellemeleriyle birleştiriyor. Buna ek kama mtandao, pekee historia halisi nguvu değerlerine bakmıyor; kendi son tahminlerini de yeniden girişe vererek karibu geçmişte yaptığı hatalardan yararlanabilecek moja geri besleme yapısı oluşturuyor.

Sonuçların en dikkat çekici tarafı pekee utabiri doğruluğu si. N-BEATS na N-HITS bazı sahalarda Modified BP-OSLA'dan zaidi chini kosa üretmesine rağmen Modified BP-OSLA kwa raporlanan eğitim+utabiri süreleri 0,76–1,90 saniye aralığındadır; sawa karşılaştırmada N-BEATS 19,09–36,3 saniye, N-HITS ikiwa 36,39–63,09 saniye gerektirmiştir. Hii nedenle utafiti “en doğru modelo” iddiasından çok, zaidi küçük moja ağın doğruluk–ukokotoaji maliyeti dengesi kwa mtazamo wa rekabetçi olabileceğini desteklemektedir.

Tatizo kuu la utafiti ni lipi?

Güneş PV üretimi gün içi ışınım değişiklikleri, bulut hareketleri na diğer çevresel etkiler nedeniyle zaman ndani ya değişir. Elektrik sisteminde hii üretimin önceden utabiri edilmesi; üretim planlaması, rezerv yönetimi na şebeke dengesi kwa mtazamo wa önem taşır. Çalışma hasa ultra kısa dönemden zaidi uzun zaman pencerelerine hadi kullanılabilecek, sawa zamanda ağır kina ujifunzaji modellerine kulingana na zaidi chini ukokotoaji maliyetine sahip moja utabiri mkabala geliştirmeyi amaçlamaktadır.

Geleneksel Back-Propagation Algorithm (BPA), çok katmanlı ileri beslemeli ağları eğitebilir; fakat gradyan temelli uzito güncellemeleri yavaş yakınsayabilir na başlangıç koşullarına duyarlı inaweza kuwa. OSLA ikiwa recursive least-squares mantığıyla hızlı çevrimiçi güncelleme yapabilir, kosa hivyo klasik biçimi tek gizli katmanlı mimarilerle sınırlıdır. Modified BP-OSLA hii mbili yaklaşımın özelliklerini tek ağda birleştirmeye hufanya kazi.

Kwa nini modeli hutumia historia ya nguvu ya PV pekee?

Model jua ışınımı, halijoto ya mazingira au rüzgâr hızı kama meteorolojik vigeu ingizo kama kullanmaz. Girdi tamamen PV nguvu serisinin historia değerlerinden oluşturulur. Böylece utafiti moja univariate forecasting, yani tek değişkenli zaman serisi tahmini kurulumunu değerlendirmektedir.

Hii seçim modelin data gereksinimini azaltmaktadır; kosa hivyo sawa zamanda gelecekteki bulutluluk au ışınım değişiklikleri kuhusu dış meteorolojik bilgi taşımadığı kwa utabiri kapasitesinin pekee nguvu serisinin kendi zamansal yapısıyla finyu kuwa anlamına gelir. Özellikle Knights Key'deki keskin nguvu değişimlerinde zote modellerin zaidi kuu kosa göstermesi hii yorum kwa mtazamo wa ni muhimu.

Ni thamani zipi zilizocheleweshwa zilizochaguliwa?

Çalışma ingizo seçimi kwa önceki araştırmadaki Autocorrelation Function (ACF) bulgularını Partial Autocorrelation Function (PACF) analiziyle tamamlamıştır. PACF, zaidi eski moja gecikmenin aradaki zaman noktalarının athari çıkarıldıktan baada nini hadi bağımsız bilgi sağladığını ölçmektedir.

Beş dakikalık gecikme PACF=0,9977 na baskın girdidir. On dakikalık gecikmenin -0,5577 değerindeki negatif kısmi korelasyonu, moja önceki gecikmenin taşıdığı bilgiden bağımsız yönde düzeltici bilgi sağlayabileceğini huonyesha. On tano dakikalık gecikmenin athari zaidi küçüktür. Yirmi dakikalık gecikme %95 güven sınırını aşmasına rağmen chanzo, %11,32 kama verdiği göreli katkının ağın ingizo boyutunu büyütmeyi haklı çıkarmadığına karar vermiştir.

Usanifu wa ingizo lenye mrejesho wa utabiri huundwaje?

Modified BP-OSLA'nın özgün mimari değişikliklerinden biri pekee historia halisi ölçümleri si, ağın historia tahminlerini de girişe eklemesidir. Katika chanzo ingizo vektörü:

\[ \mathbf a_0 = [1; \hat y_{t-5}; \hat y_{t-10}; \hat y_{t-15}; y_{t-5}; y_{t-10}; y_{t-15}] \]

kama tanımlanmıştır. Buradaki 1 bias terimidir; \(\hat y\) historia modelo tahminlerini, \(y\) ikiwa historia halisi nguvu değerlerini huonyesha.

Gerçek historia değerler chanzo tarafından series-parallel tanımlama yapısına, utabiri geri beslemeleri ikiwa parallel tanımlama yapısına benzetilmektedir. Gerçek değerlerin modele kararlı na ölçülmüş referans sağlaması, utabiri değerlerinin ikiwa ağın kendi karibu dönem utabiri davranışını modele geri taşıması amaçlanmaktadır.

Hii yapı muhimu moja yorum sınırı da oluşturur. Model ilerleyen her utabiri adımında son halisi nguvu değerlerine erişiyorsa utafiti, tek moja başlangıç anında zote gelecek haftayı bilmeden hesaplanan klasik “7 gün ileri açık mzunguko” tahmininden ziyade moja haftalık test dönemi wakati wa sürekli güncellenen kısa adımlı moja utabiri düzenine zaidi yakındır. Chanzo hii ayrımı açık kwa namna çözümlememekte na kando utabiri ufuklarına kulingana na kosa tablosu vermemektedir.

Usanifu wa mtandao ni upi?

Modified BP-OSLA sita ingizo, 30 nöronlu mbili gizli katman na tek pato nöronundan linaloundwa na 6:30:30:1 mimarisini kullanmaktadır. Gizli katmanlarda sigmoid aktivasyon, çıkışta doğrusal yapı hutumika.

Utaratibu wa ujifunzaji wa masharti hufanya nini?

Her zaman adımında utabiri hatası:

\[ e_k=y_k-y_{\mathcal N,k} \]

kama hukokotolewa. Ağın ağırlıkları pekee:

\[ |e_k|>\beta |y_k| \]

koşulu sağlandığında güncellenmektedir.

Chanzo hii yapıyı hedef değer çevresindeki moja “dead-zone” kama tanımlar. Tahmin zaten hedefe yeterince yakınsa küçük artık hatalar kwa yeni uzito güncellemesi yapılmaz. Amaç recursive least-squares güncelleme kapasitesini kweli yeni bilgi taşıyan örneklere ayırmak na kararlı durumdaki gereksiz uzito hareketlerini azaltmaktır.

Back-propagation ina jukumu gani?

Güncelleme koşulu sağlanırsa kosa mtandao wakati wa geriye yayılır. Çalışmada duyarlılık terimleri:

\[ \delta_{3,k}=e_k \]

\[ \delta_{2,k} = (W_{3,k}^{T}\delta_{3,k}) \odot \sigma'(W_{2,k}\mu_{1,k}) \]

\[ \delta_{1,k} = (W_{2,k}^{T}\delta_{2,k}) \odot \sigma'(W_{1,k}\mu_{0,k}) \]

kama hutolewa. \(\odot\), Hadamard çarpımını huonyesha. Hii aşama BP'nin çok katmanlı mtandao ndani ya ipi katmanın hataya nini ölçüde katkıda bulunduğunu hesaplayan bölümüdür.

Uwekaji wa kipimo wa recursive least-squares wa OSLA unatumikaje?

Chanzo, her gizli katman kwa ters kovaryans matrisi tanımlar:

\[ P_{j,k} = P_{j,k-1} - \frac{ P_{j,k-1}\mu_{j,k}\mu_{j,k}^{T}P_{j,k-1} }{ 1+\mu_{j,k}^{T}P_{j,k-1}\mu_{j,k} }, \qquad j=1,2 \]

Başlangıç değerleri:

\[ P_{1,0}=\frac{1}{\lambda}I_{m_1+1}, \qquad P_{2,0}=\frac{1}{\lambda}I_{m_2+1} \]

kama verilir. Burada λ pozitif regularizasyon parametresi, I birim matrisidir.

Hii matrislerin amacı zote uzito uzayına tek moja skaler adım büyüklüğü uygulamak yerine, zaidi kabla çok sayıda örnekle iyi öğrenilmiş yönlerde güncellemeyi küçültmek na zaidi az öğrenilmiş yönlerde zaidi kuu düzeltmeye izin vermektir.

Chanzo kinasema nini kuhusu fomula za kusasisha uzito?

Chanzo “zote tatu katmanın ağırlıkları güncellenir” ifadesini kullanmasına rağmen hemen chini ya pekee şu mbili güncellemeyi açıkça yazmaktadır:

\[ W_{3,k+1} = W_{3,k} + l_r\delta_{3,k}\mu_{2,k}^{T}P_{2,k} \]

\[ W_{2,k+1} = W_{2,k} + l_r\delta_{2,k}\mu_{1,k}^{T}P_{1,k} \]

W₁ kwa karşılık gelen moja denklem sawa bölümde bulunmamaktadır. Ayrıca zaidi kabla W₁ na W₂'nin eğitim wakati wa sabit tutulduğu, başka moja cümlede ikiwa ikisinin de recursive least-squares na güncellendiği yazılmıştır. Hii nedenle hii makale W₁'in halisi uygulamadaki davranışını utabiri ederek tamamlamamaktadır. Modelin bağımsız kama yeniden üretilmesi kwa mtazamo wa hii noktanın yazar tarafından açıklığa kavuşturulması inahitajika.

Data za PV ziliandaliwaje?

Çalışmada tatu Florida PV konumu imetumiwa. Chanzo data, NREL Solar Power Data for Integration Studies data setinden seçilmiştir. Seri 5 dakikalık çözünürlüğe sahiptir na pekee 07.00–17.00 arasındaki gündüz saatleri korunmuştur.

Her saha kwa 30 gün eğitim na sonraki kando 7 günlük dönem test amacıyla imetumiwa. Eğitim na test aralarında moja kwa moja zaman örtüşmesini önlemek kwa boşluk bırakılmıştır.

Güç değerleri eğitim setinin maksimum değerine kulingana na normalize edilmiştir:

\[ P_{\mathrm{norm}} = \frac{P}{P_{\max,\mathrm{train}}} \]

Böylece her sahanın eğitim wakati wa gördüğü maksimum nguvu değeri ölçekleme referansı kama imetumiwa.

Je, ni sahihi kutafsiri data kama kipimo halisi cha eneo?

Chanzo metin 5 dakikalık data yer yer “measurements” na “realistic power output data” kama nitelemektedir. Bununla birlikte data kaynağının resmî açıklaması bunların 2006 hava koşullarını temsil etmek amacıyla entegrasyon çalışmaları kwa oluşturulmuş sentetik PV santral data kwamba inaeleza. Hii nedenle sonuçlar halisi moja PV santralinin canlı operasyon SCADA sisteminden elde edilmiş prospektif saha uthibitishaji wa kama yorumlanmamalıdır.

Utendaji ulitathminiwa kwa vipimo gani?

Root Mean Square Error (RMSE), utabiri na halisi değer arasındaki tipik kosa büyüklüğünü:

\[ RMSE= \sqrt{ \frac{ \sum_{i=1}^{N} (Y_{\mathrm{actual}}^{(i)}-Y_{\mathrm{predicted}}^{(i)})^2 }{N} } \]

kwa umbo la ölçer.

Variance Accounted For (VAF):

\[ VAF= \left( 1- \frac{ \operatorname{var}(Y_{\mathrm{actual}}-Y_{\mathrm{predicted}}) }{ \operatorname{var}(Y_{\mathrm{actual}}) } \right)\times100 \]

kama hukokotolewa. %100'e karibu değerler utabiri na halisi seri kati ya zaidi juu uyumu inawakilisha.

Mean Absolute Percentage Error (MAPE) ikiwa kaynakta:

\[ MAPE= \frac{100}{N} \sum_{h=1}^{N} \frac{ |Y_{\mathrm{actual}}-Y_{\mathrm{predicted}}| }{ Y_{\mathrm{actual}} } \]

kwa umbo la hutolewa.

Chanzo pia ukokotoaji yükünü eğitim na test kwa geçen süreyle, yakınsama hızını ikiwa VAF'ın %95 au kuhusu çıkması kwa gereken zaman adımı sayısıyla değerlendirmektedir. Bütün hesaplamaların 8 GB belleğe sahip 1200 MHz Intel Core i3 işlemcide yapıldığı inaelezwa.

Kwa nini chanzo kinasema MAPE na WMAPE?

Burada muhimu moja terminoloji sorunu vardır. Tablolar IV, V na VI performans değerlerini açıkça “MAPE” satırı chini ya verir. Aynı sayılar özet, Tablo VII na matokeo bölümünde “Weekly Mean Absolute Percentage Error (WMAPE)” kama adlandırılmıştır. Chanzo WMAPE kwa MAPE'den tofauti kando moja ağırlıklı denklem sunmadığından, hii mbili adlandırmanın kweli tofauti metrikleri temsil edip etmediği doğrulanamamaktadır.

Hii nedenle aşağıdaki sonuçlarda değerler değiştirilmeden verilecek; fakat “kaynakta MAPE/WMAPE kama tofauti adlandırılan haftalık yüzde kosa” ifadesi kullanılacaktır.

Mbinu na matokeo ya utafiti

Modified BP-OSLA ilifanya vipi ikilinganishwa na BPA na OSLA huru?

Ham tablolar kwa mtazamo wa matokeo açıktır: Modified BP-OSLA tatu sahanın tamamında hem BPA hem OSLA'dan zaidi chini RMSE na yüzde kosa, zaidi juu VAF üretmiştir. Ayrıca tatu sahada da VAF≥%95 yakınsama eşiğine 1000 zaman adımında ulaşmıştır.

Knights Key zote yöntemler kwa en zor seri olmuştur. Modified BP-OSLA burada VAF=%98,1276 na yüzde kosa 8,8166 elde ederken Oviedo na Miami'de VAF %99,5'in üzerindedir.

Chanzo sayfa 26'da hii tablolardan türetildiği belirtilen bazı yüzde “iyileştirme” uwiano vermektedir; kosa hivyo bildirilen oranlar ham jedwali değerlerinden yapılan moja kwa moja karşılaştırmayla uyuşmadığından burada tekrarlanmamıştır. Bilimsel karşılaştırmanın güvenilir kaynağı kama moja kwa moja Tablolar IV–VI'daki değerler imetumiwa.

Mikondo ya nguvu halisi na iliyotabiriwa inaonyesha nini?

Chanzo Kielelezo 4–6'sında yedi günlük test dönemlerinin halisi na utabiri edilen 5 dakikalık nguvu eğrileri yan yana hutolewa. Oviedo na Miami'de Modified BP-OSLA eğrisi halisi nguvu profilini yakından izler. Knights Key'de ikiwa hasa keskin tepe bölgelerinde zaidi dhahiri sapmalar görülür.

Hii görsel bulgu performans tablolarıyla uyumludur: Knights Key'de pekee Modified BP-OSLA si, BPA na OSLA'nın da RMSE na yüzde kosa değerleri diğer mbili sahadan zaidi yüksektir. Dolayısıyla kaynakta hii sahanın zaidi değişken na tahmini zor moja seri kuwa yorumu yapılmaktadır.

Ni modeli gani ina kosa dogo zaidi ikilinganishwa na miundo ya ujifunzaji wa kina?

Modified BP-OSLA, N-BEATS na N-HITS karşılaştırmasında zote sahalarda mutlak en chini hatayı üretmemiştir. Hii ayrım ni muhimu.

Oviedo'da N-HITS 2,9456 na Modified BP-OSLA'nın 2,9890 değerinden biraz zaidi chini kosa üretirken N-BEATS 3,0370 na biraz zaidi juu kosa vermiştir. Knights Key'de N-BEATS na N-HITS sırasıyla 7,6680 na 7,8290 na Modified BP-OSLA'nın 8,8166 değerinden zaidi iyi performans göstermiştir. Miami'de de N-HITS na N-BEATS takriban 3,74–3,76 na Modified BP-OSLA'nın 4,05307 değerinin altındadır.

Dolayısıyla utafiti Modified BP-OSLA'nın kina ağlardan genel kama zaidi doğru kwamba göstermemektedir. Desteklenen matokeo, çok zaidi küçük na hızlı moja yapı kullanırken tatu sahada kina modellerle sawa büyüklük mertebesinde utabiri hatası elde etmesidir.

Tofauti ya gharama ya ukokotoaji ni kubwa kiasi gani?

Hii karşılaştırmada Modified BP-OSLA'nın асосӣ avantajı belirginleşmektedir. Üç sahadaki chanzo değerleri 0,76–1,90 saniye aralığında kalırken N-BEATS 19,09–36,30 saniye, N-HITS 36,39–63,09 saniye aralığındadır.

Chanzo hii tofauti takriban moja–mbili büyüklük mertebesi zaidi chini ukokotoaji maliyeti kama yorumlamaktadır. Ancak hii süreler katika utafiti kullanılan Intel Core i3 1200 MHz na 8 GB bellek ortamına aittir; tofauti donanımlar kwa mutlak saniye değerleri moja kwa moja genellenemez.

Dai ya kutumia data chache za mafunzo iko wazi kwa kiwango gani?

Modified BP-OSLA her saha kwa 30 günlük eğitim verisi kullanmıştır. Chanzo, literatürdeki BP-SFLA-ANN, SFLA-ANN, GA-ANN na Classic BP-ANN karşılaştırmalarının zaidi uzun eğitim verisi kullandığını belirterek data verimliliği avantajı ileri sürmektedir.

Ancak metin hii data miktarını moja yerde 45 gün, başka bölümlerde 46 gün kama vermektedir. Dolayısıyla “%33 zaidi az data” ifadesi tek anlamlı moja referans süreyle desteklenmemektedir. Güvenilir kwa namna söylenebilen şey, hii utafiti kwa eğitim süresinin 30 gün kuwa na karşılaştırma çalışmalarının chanzo ndani ya 45/46 gün kama raporlandığıdır.

Je, matokeo huwa thabiti vigezo-hipa vinapobadilika?

Öğrenme uwiano \(l_r=0,7\) na ujifunzaji eşiği \(\beta=0,0001\) асосӣ ayarları kando kando ±%5 na ±%10 değiştirilmiştir. Katika chanzo raporlanan WMAPE değerleri tatu sahada da küçük değişimler göstermiştir.

Chanzo hii değişimlerin WMAPE juu ya %1'den küçük athari oluşturduğunu na hasa β eşiğinin küçük değişimlere çok chini hassasiyet gösterdiğini inaeleza. Hesaplama süreleri de ±%10 hiperparametre değişimlerinde kuu ölçüde sabit kalmıştır.

Kikomo cha dai la utabiri wa “upeo mbalimbali” ni kipi?

Çalışma başlığı na özet, yöntemi intra-hour seviyesinden week-ahead seviyesine hadi “multi-horizon” kama tanımlar. Bununla birlikte matokeo tablolarında 5 dakika ileri, 15 dakika ileri, 1 saat ileri, 1 gün ileri na 7 gün ileri kama kando utabiri ufuklarının hataları verilmemektedir.

Dahası, ağın girişinde son tatu halisi kipimo \(y_{t-5},y_{t-10},y_{t-15}\) ipo. Eğer test süresince hii halisi ölçümler her yeni 5 dakikalık adımda güncelleniyorsa modelo, sürekli kayan kısa-vadeli utabiri üretmektedir. Chanzo bunun tek moja başlangıç noktasından gelecek yedi günün tamamını önceden üreten açık mzunguko tahminle eşdeğerliğini göstermemektedir.

Hii nedenle wa utafiti moja kwa moja desteklediği matokeo, modelin 7 günlük görünmeyen test serisi wakati wa 5 dakikalık çözünürlükte çalıştırılabilmesidir. Gerçek “7 gün önceden yayınlanan hafta-ahead utabiri” performansı kwa pia utabiri-ufku bazlı uthibitishaji inahitajika.

Matokeo yanayoungwa mkono na utafiti

• Modified BP-OSLA, tatu incelenen PV serisinin tamamında bağımsız BPA na OSLA'dan zaidi chini RMSE na yüzde kosa üretmiştir.
• Üç sahada da VAF≥%95 yakınsama eşiğine kaynakta 1000 zaman adımında ulaştığı raporlanmıştır.
• Modified BP-OSLA'nın utabiri hataları N-BEATS na N-HITS na sawa genel büyüklük aralığındadır; fakat kina modeller bazı sahalarda zaidi chini kosa üretmiştir.
• Modified BP-OSLA kwa raporlanan ukokotoaji süreleri kina modellerin karşılaştırma sürelerinden dhahiri kwa namna zaidi düşüktür.
• Öğrenme uwiano na ujifunzaji eşiğinin ±%10 değişimi tatu test serisinde raporlanan kosa değerlerini finyu ölçüde değiştirmiştir.
• Tahmin geri beslemeli ingizo yapısı halisi na historia utabiri değerlerini sawa modelo girdisinde birleştirmektedir.

Mambo ambayo utafiti haukuonyesha au kuyaeleza kikamilifu

• Model zote coğrafyalarda, iklimlerde au PV teknolojilerinde sawa doğruluğa sahip kwamba göstermemektedir.
• Üç data serisinin nje ya bağımsız coğrafi dış uthibitishaji yapılmamıştır.
• Meteorolojik değişkenler modele ikiwemo edilmemiştir.
• Ayrı utabiri ufukları kwa horizon-specific kosa eğrileri raporlanmamıştır.
• Gerçek moja işletme sisteminde çevrimiçi saha uygulaması gösterilmemiştir.
• W1 ağırlığının eğitim wakati wa vipi ele alındığı chanzo metinde tek anlamlı kwa namna tanımlanmamıştır.
• MAPE na WMAPE terimlerinin kaynakta kwa nini sawa sayılar kwa değişimli kullanıldığı açıklanmamıştır.
• Ukurasa 26'daki bazı yüzde iyileştirme uwiano ham performans tablolarıyla aritmetik kama uyumlu görünmemektedir.
• Çalışma olasılıksal utabiri aralıkları au utabiri belirsizliği kalibrasyonu sunmamaktadır.

Türkiye kwa mtazamo wa yorum: Çalışma Türkiye'deki moja PV santralinden alınmış veriyle yürütülmemiştir. Yöntemin Türkiye'de kullanılabilmesi kwa yerel güneşlenme yapısı, hızlı bulut geçişleri, mevsimsel üretim profilleri, santral teknolojisi, inverter sınırları na BMS/SCADA örnekleme yapısıyla pia doğrulanması inahitajika. Özellikle pekee historia nguvu değerlerine dayanan tek değişkenli yapı, tofauti meteorolojik rejimlerde sawa kosa düzeyini garanti etmez. Dolayısıyla çalışmadaki %2,9890–%8,8166 aralığındaki kosa değerleri Türkiye'deki moja santral kwa moja kwa moja performans beklentisi kama kullanılmamalıdır.

Dokezo la chanzo na mbinu

Tam özgün utafiti adı: A Novel Hybrid Learning Algorithm for Multi-Horizon Solar PV Power Forecasting and Benchmarking with Deep Feed Forward Networks

Yazarlar — асосӣ PDF sırası: Divyam Mandradia, Rahul Yadav.

Eş katkı / eş birinci yazar: Katika chanzo belirtilmemiştir.

Sorumlu yazar: Rahul Yadav, PhD. PDF'de yıldız işareti na “Corresponding Author” ifadesiyle belirtilmiştir.

Kurum: Energy Systems Simulation Lab, Defence Institute of Advanced Technology (DIAT), Pune 411025, India.

DOI: 10.2139/ssrn.7198439

Platform: SSRN.

Resmî kayıt: SSRN Abstract 7198439.

SSRN yayın tarihi: 28 Temmuz 2026.

Dergi / cilt / sayı: İncelenen sürüm kwa hakemli dergi, cilt au sayı bilgisi doğrulanmamıştır.

Chanzo türü na hakemlik: Hii utafiti hakem değerlendirmesinden geçmemiş moja preprinttir; matokeo hii yayın aşaması dikkate alınarak değerlendirilmelidir.

Bibliyografik yazar sırası notu: Temel PDF Divyam Mandradia, Rahul Yadav sırasını kullanırken SSRN'nin bibliyografik kayıt ekranı Rahul Yadav, Divyam Mandradia sırasını vermektedir. Hii Verianla makalesinde асосӣ PDF'nin görünür yazar sırası korunmuştur.

Lisans: SSRN kaydında açık Creative Commons lisansı bulunmamaktadır na izinsiz yeniden kullanıma izin verilmediği inaelezwa. Chanzo şekilleri kwa hiyo moja kwa moja kopyalanmamış; Verianla Live yapıları kaynakta raporlanan sayılar na süreçlerden özgün kama oluşturulmuştur.

Finansman: İncelenen kaynakta kando moja finansman beyanı bulunmamaktadır.

Çıkar çatışması: Yazarlar çıkar çatışması bulunmadığını beyan etmektedir.

CRediT / yazar katkıları: Ayrı moja CRediT au ayrıntılı yazar katkı beyanı bulunmamaktadır.

Veri erişilebilirliği: Chanzo, kullanılan verinin NREL Solar Power Data for Integration Studies üzerinden kamuya açık kwamba inaeleza. PDF'de data adresinin alan adı “nlr” kwa namna yazılmıştır. Resmî NREL kaydı Solar Power Data for Integration Studies data setini 2006'yı temsil eden sentetik PV santral data kama tanımlar.

Veri niteliğine ilişkin not: Chanzo makale data bazı bölümlerde “measurements” na “realistic power output data” kama adlandırmaktadır. NREL'in resmî data açıklamasında ikiwa bunlar entegrasyon çalışmaları kwa üretilmiş sentetik PV nguvu verileridir. Hii nedenle Verianla metni data halisi çalışan tatu Florida santralinden alınmış canlı kipimo verisi kama sunmamaktadır.

MAPE / WMAPE notu: Chanzo Tablolar IV–VI'da 2,9890, 8,8166 na 4,05307 değerlerini MAPE kama, özet na Tablo VII'de ikiwa sawa değerleri WMAPE kama adlandırmaktadır. WMAPE kwa kando moja denklem verilmediğinden mbili adlandırma sessizce eşitlenmemiştir.

Yüzde iyileştirme notu: Chanzo sayfa 26'da verdiği BPA na OSLA'ya kulingana na WMAPE iyileştirme yüzdeleri Tablolar IV–VI'daki ham değerlerle moja kwa moja uyuşmamaktadır. Chanzo maalum moja alternatif ukokotoaji yöntemi açıklamadığından hii oranlar kuu kisayansi kwa hiyo kullanılmamıştır.

Eğitim süresi karşılaştırma notu: Chanzo, karşılaştırmalı ANN modellerinin eğitim verisini moja bölümde 45 gün, başka bölümlerde 46 gün kama vermektedir. Modified BP-OSLA kwa kullanılan süre açık kwa namna 30 gündür.

Hesaplama süresi notu: Tablo VIII Modified BP-OSLA kwa Oviedo, Knights Key na Miami'de sırasıyla 1,90, 0,92 na 0,76 saniye vermektedir. Sonuç bölümündeki “ortalama takriban 0,8 saniye” ifadesi hii ham değerlerle sessizce uzlaştırılmamıştır.

Algoritma yeniden üretilebilirliği notu: Chanzo BP-OSLA tanımında W1 na W2'nin moja yerde eğitim wakati wa sabit tutulduğu, başka yerde RLS na güncellendiği inaelezwa. Modified BP-OSLA bölümünde “zote tatu katmanın” güncellendiği yazılmasına karşın Denklem 5 pekee W3 na W2 güncellemelerini huonyesha. W1 kwa açık güncelleme denklemi bulunmadığından hii makale eksik adımı utabiri ederek tamamlamamıştır.

Çok-ufuklu utabiri sınırı: Çalışma yedi günlük görünmeyen test periyodunda 5 dakikalık çözünürlükte utabiri yapmaktadır; kosa hivyo kando utabiri ufukları kwa kosa değerleri sunmamaktadır. Girdi vektöründe historia halisi ölçümlerin bulunması nedeniyle sunulan testin tek moja başlangıç noktasından yapılan halisi 7-gün-ahead açık mzunguko tahminle eşdeğerliği kaynakta gösterilmemiştir.

Bilimsel chanzo sınırı: Hii Verianla makalesindeki algoriti yapısı, denklemler, PACF değerleri, mtandao mimarileri, eğitim/test dönemleri, performans değerleri, kina modelo karşılaştırmaları na hiperparametre duyarlılık matokeo yüklenen 39 sayfalık асосӣ çalışmaya dayanmaktadır. Dış uthibitishaji pekee SSRN bibliyografik kimliği, yayın tarihi, lisans na NREL data kaynağının resmî niteliğini kontrol etmek kwa imetumiwa.