Таҳқиқот барои пешгӯии қувваи офтобии PV бо ҳалкунии 5-дақиқаӣ танҳо аз арзишҳои гузаштаи қувваи фотоэлектрикӣ истифода бурда, алгоритми гибридии омӯзиширо бо номи Modified BP-OSLA таҳия мекунад, ки равишҳои Back-Propagation (BP) ва Online Sequential Learning Algorithm (OSLA)-ро муттаҳид месозад. Модел сохтори шашворидӣ дорад, ки се арзиши воқеии қувваи бо таъхир гирифташударо бо се арзиши пешгӯишудаи бо таъхир гирифташуда муттаҳид мекунад, навсозии шартии вазнҳоро ҳангоми аз ҳадди муайян гузаштани хато фаъол мекунад ва аз суръати глобалии омӯзиш истифода мебарад. Дар се силсилаи маълумоти PV-и Флорида, бо давраи 30-рӯзаи омӯзиш ва 7-рӯзаи санҷиши нодидашуда, арзишҳои хато, ки дар манбаъ ба таври гуногун ҳамчун MAPE/WMAPE-и ҳафтаина номгузорӣ шудаанд, барои Modified BP-OSLA дар Oviedo %2,9890, дар Knights Key %8,8166 ва дар Miami %4,05307 гузориш шудаанд. Модел нисбат ба BPA ва OSLA-и алоҳида хатои камтар дод, дар ҳоле ки бо N-BEATS ва N-HITS хатогиҳои пешгӯии ҳамандоза ба даст овард ва вақти ҳисоббарории хеле камтар гузориш шуд. Бо вуҷуди ин, маҷмӯи маълумот бо се силсилаи Флорида маҳдуд аст; тағйирёбандаҳои метеорологӣ истифода нашудаанд; манбаъ пешгӯии воқеии 7-рӯзаи open-loop-ро ба таври ҷудогона тасдиқ накардааст ва дар баъзе муодилаҳои навсозии вазни алгоритм номувофиқатиҳои дохилиро боқӣ гузоштааст, ки ба такрорпазирӣ таъсир мерасонанд.

Ғояи асосии кор тағйир додани тарзи омӯзиши шабакаи хурдтари neural network-и feed-forward аст, на кӯшиши мустақим барои тақлид кардани қудрати намояндагии модели мураккаби deep learning. Modified BP-OSLA қобилияти BP-ро барои паҳн кардани хато ба қафо дар шабакаҳои бисёрқабата бо навсозиҳои миқёскардашудаи OSLA, ки ба recursive least-squares асос ёфтаанд, муттаҳид мекунад. Илова бар ин, шабака танҳо ба арзишҳои воқеии гузаштаи қувва нигоҳ намекунад; он пешгӯиҳои охирини худро низ дубора ҳамчун вуруд истифода мебарад ва бо ин сохтори feedback месозад, ки метавонад аз хатогиҳои пешгӯии наздик истифода барад.

Ҷанбаи ҷолибтарини натиҷаҳо танҳо дақиқии пешгӯӣ нест. Гарчанде ки N-BEATS ва N-HITS дар баъзе майдонҳо нисбат ба Modified BP-OSLA хатои камтар доданд, вақти гузоришшудаи омӯзиш+пешгӯӣ барои Modified BP-OSLA дар доираи 0,76–1,90 сония аст; дар ҳамин муқоиса N-BEATS 19,09–36,3 сония ва N-HITS 36,39–63,09 сония талаб кардааст. Аз ин рӯ, кор на бештар даъвои «дақиқтарин модел», балки натиҷаро дастгирӣ мекунад, ки шабакаи хурдтар метавонад аз ҷиҳати тавозуни дақиқӣ–хароҷоти ҳисоббарорӣ рақобатпазир бошад.

Мушкилоти асосии таҳқиқот чист?

Истеҳсоли қувваи офтобии PV бо сабаби тағйироти радиатсия дар давоми рӯз, ҳаракати абрҳо ва дигар таъсирҳои муҳитӣ бо вақт тағйир меёбад. Пешгӯии пешакии ин истеҳсол дар системаи барқ барои банақшагирии истеҳсол, идоракунии захира ва мувозинати шабака муҳим аст. Таҳқиқот махсусан ҳадаф дорад, ки аз давраи ultra-short-term то равзанаҳои дарозтари вақт истифода бурдан мумкин бошад ва ҳамзамон нисбат ба моделҳои вазнини deep learning хароҷоти ҳисоббарории камтар дошта бошад.

Back-Propagation Algorithm (BPA)-и анъанавӣ метавонад шабакаҳои feed-forward-и бисёрқабатаро омӯзонад; аммо навсозиҳои вазни асосёфта ба gradient метавонанд суст ҳамгаро шаванд ва ба шартҳои ибтидоӣ ҳассос бошанд. OSLA бошад бо мантиқи recursive least-squares навсозии босуръати онлайнро иҷро карда метавонад, вале шакли классикии он бо меъмориҳои якқабатаи пинҳонӣ маҳдуд аст. Modified BP-OSLA мекӯшад хусусиятҳои ин ду равишро дар як шабака якҷо кунад.

Чаро модел танҳо таърихи қувваи PV-ро истифода мебарад?

Модел тағйирёбандаҳои метеорологӣ, ба монанди радиатсияи офтобӣ, ҳарорати муҳит ё суръати шамолро ҳамчун вуруд истифода намебарад. Вуруд пурра аз арзишҳои гузаштаи силсилаи қувваи PV сохта мешавад. Ҳамин тавр, кор як танзими univariate forecasting, яъне пешгӯии силсилаи вақт бо як тағйирёбандаро арзёбӣ мекунад.

Ин интихоб талаботи маълумотии моделро кам мекунад; аммо ҳамзамон маънои онро дорад, ки иқтидори пешгӯӣ танҳо бо сохтори замонии худи силсилаи қувва маҳдуд аст, зеро маълумоти берунии метеорологӣ дар бораи абрнокӣ ё тағйироти радиатсияи оянда ворид намешавад. Хатои калонтаре, ки ҳамаи моделҳо дар тағйироти тези қувва дар Knights Key нишон медиҳанд, барои ин тафсир муҳим аст.

Кадом арзишҳои таъхирӣ интихоб шуданд?

Барои интихоби вурудҳо, таҳқиқот натиҷаҳои Autocorrelation Function (ACF)-и кори қаблиро бо таҳлили Partial Autocorrelation Function (PACF) пурра кардааст. PACF чен мекунад, ки таъхири кӯҳнатар пас аз хориҷ кардани таъсири нуқтаҳои замонии мобайнӣ чӣ қадар маълумоти мустақил медиҳад.

Таъхири панҷдақиқаӣ бо PACF=0,9977 вуруди ҳукмрон аст. Коррелятсияи қисмии манфии таъхири даҳдақиқаӣ бо арзиши -0,5577 нишон медиҳад, ки он метавонад дар самти ислоҳӣ маълумоти мустақил аз маълумоти таъхири қаблиро таъмин кунад. Таъсири таъхири понздаҳдақиқаӣ хурдтар аст. Гарчанде ки таъхири бистдақиқаӣ аз ҳудуди эътимоди %95 мегузарад, манбаъ қарор додааст, ки саҳми нисбии %11,32-и он афзоиши андозаи вуруди шабакаро асоснок намекунад.

Меъмории вуруд бо feedback-и пешгӯӣ чӣ гуна сохта мешавад?

Яке аз тағйироти аслии меъмории Modified BP-OSLA ин аст, ки он ба вуруд на танҳо ченкуниҳои воқеии гузаштаро, балки пешгӯиҳои гузаштаи худи шабакаро низ илова мекунад. Вектори вуруд дар манбаъ чунин муайян шудааст:

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

Дар ин ҷо 1 аъзои bias мебошад; \(\hat y\) пешгӯиҳои гузаштаи модел ва \(y\) арзишҳои воқеии гузаштаи қувваро нишон медиҳад.

Манбаъ арзишҳои воқеии гузаштаро ба сохтори муайянкунии series-parallel ва feedback-и пешгӯиро ба сохтори муайянкунии parallel монанд мекунад. Ҳадаф ин аст, ки арзишҳои воқеӣ ба модел истиноди устувор ва ченшуда диҳанд ва арзишҳои пешгӯишуда рафтори наздики пешгӯии худи шабакаро дубора ба модел ворид кунанд.

Ин сохтор ҳамчунин як маҳдудияти муҳими тафсирӣ эҷод мекунад. Агар модел дар ҳар қадами минбаъдаи пешгӯӣ ба охирин арзишҳои воқеии қувва дастрасӣ дошта бошад, таҳқиқот бештар ба тартиби пешгӯии кӯтоҳқадаме монанд мешавад, ки дар давраи якҳафтаинаи санҷиш пайваста нав карда мешавад, на ба пешгӯии классикии «7 рӯз пеш open-loop», ки аз як нуқтаи оғоз тамоми ҳафтаи ояндаро бидуни маълумоти воқеии минбаъда ҳисоб мекунад. Манбаъ ин фарқро ба таври возеҳ ҳал намекунад ва ҷадвали хато аз рӯи уфуқҳои алоҳидаи пешгӯӣ пешниҳод намекунад.

Меъмории шабака чист?

Modified BP-OSLA меъмории 6:30:30:1-ро истифода мебарад, ки аз шаш вуруд, ду қабати пинҳонии ҳар кадом 30 нейрон ва як нейрони баромад иборат аст. Дар қабатҳои пинҳонӣ sigmoid activation ва дар баромад сохтори хаттӣ истифода мешавад.

Механизми омӯзиши шартӣ чӣ кор мекунад?

Дар ҳар қадами вақт хатои пешгӯӣ:

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

ҳисоб карда мешавад. Вазнҳои шабака танҳо вақте нав карда мешаванд, ки:

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

шарт иҷро гардад.

Манбаъ ин сохторро ҳамчун «dead-zone» дар атрофи арзиши ҳадаф тавсиф мекунад. Агар пешгӯӣ аллакай ба ҳадаф кофӣ наздик бошад, барои хатогиҳои хурди боқимонда навсозии нави вазн анҷом дода намешавад. Ҳадаф ин аст, ки иқтидори навсозии recursive least-squares ба намунаҳое равона шавад, ки воқеан маълумоти нав доранд, ва ҳаракати нолозими вазнҳо дар ҳолати устувор кам гардад.

Back-propagation кадом нақшро иҷро мекунад?

Агар шарти навсозӣ иҷро шавад, хато дар тамоми шабака ба қафо паҳн мешавад. Дар таҳқиқот аъзои ҳассосият чунин дода шудаанд:

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

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

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

Дар ин ҷо \(\odot\) зарби Hadamard-ро ифода мекунад. Ин марҳила қисми BP мебошад, ки ҳисоб мекунад ҳар қабат дар шабакаи бисёрқабата то чӣ андоза ба хато саҳм мегузорад.

Миқёскардани recursive least-squares-и OSLA чӣ гуна истифода мешавад?

Манбаъ барои ҳар қабати пинҳонӣ матритсаи коварианси баръаксро муайян мекунад:

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

Арзишҳои ибтидоӣ:

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

муайян карда мешаванд. Дар ин ҷо λ параметри мусбати regularization ва I матритсаи воҳидӣ аст.

Ҳадафи ин матритсаҳо ин аст, ки ба ҷойи татбиқи як андозаи қадами скалярӣ ба тамоми фазои вазнҳо, навсозӣ дар самтҳое, ки бо намунаҳои зиёди қаблӣ хуб омӯхта шудаанд, хурдтар ва дар самтҳои камтар омӯхташуда калонтар бошад.

Манбаъ дар бораи формулаҳои навсозии вазн чӣ мегӯяд?

Гарчанде ки манбаъ ибораи «вазнҳои ҳамаи се қабат нав карда мешаванд»-ро истифода мекунад, дарҳол баъд аз он танҳо ду навсозии зеринро возеҳ менависад:

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

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

Дар ҳамон бахш барои W₁ муодилаи мувофиқ вуҷуд надорад. Ғайр аз ин, қаблан гуфта мешавад, ки W₁ ва W₂ дар тӯли омӯзиш собит нигоҳ дошта мешаванд, дар ҳоле ки дар ҷумлаи дигар гуфта мешавад, ки ҳар ду бо recursive least-squares нав карда мешаванд. Аз ин рӯ, ин мақола рафтори воқеии W₁-ро дар татбиқ бо тахмин пур намекунад. Барои такрорсозии мустақили модел ин нуқта бояд аз ҷониби муаллиф равшан карда шавад.

Маълумоти PV чӣ гуна омода шудааст?

Дар таҳқиқот се макони PV дар Флорида истифода шудааст. Маълумоти манбаъ аз маҷмӯи NREL Solar Power Data for Integration Studies интихоб шудааст. Силсила ҳалкунии 5-дақиқаӣ дорад ва танҳо соатҳои рӯзонаи байни 07.00–17.00 нигоҳ дошта шудаанд.

Барои ҳар майдон 30 рӯзи омӯзиш ва давраи ҷудогонаи 7-рӯзаи баъдӣ барои санҷиш истифода шудааст. Барои пешгирӣ кардани ҳампӯшии мустақими вақт байни омӯзиш ва санҷиш фосила гузошта шудааст.

Арзишҳои қувва нисбат ба арзиши максималии маҷмӯи омӯзиш normalize карда шудаанд:

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

Ҳамин тавр, арзиши максималии қуввае, ки ҳар майдон ҳангоми омӯзиш дидааст, ҳамчун истиноди миқёскунӣ истифода шудааст.

Оё ин маълумотро ҳамчун ченкунии воқеии саҳроӣ тафсир кардан дуруст аст?

Матни манбаъ маълумоти 5-дақиқаиро дар баъзе ҷойҳо ҳамчун “measurements” ва “realistic power output data” тавсиф мекунад. Аммо тавсифи расмии манбаи маълумот нишон медиҳад, ки инҳо маълумоти синтетикии нерӯгоҳи PV мебошанд, ки барои таҳқиқоти интегратсия бо ҳадафи намояндагии шароити обу ҳавои соли 2006 тавлид шудаанд. Аз ин рӯ, натиҷаҳо набояд ҳамчун тасдиқи prospective-и саҳроӣ аз системаи зиндаи SCADA-и як нерӯгоҳи воқеии PV тафсир шаванд.

Иҷро бо кадом меъёрҳо арзёбӣ шудааст?

Root Mean Square Error (RMSE) андозаи маъмулии хатои байни пешгӯӣ ва арзиши воқеиро чунин чен мекунад:

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

.

Variance Accounted For (VAF):

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

ҳисоб карда мешавад. Арзишҳои наздик ба %100 мутобиқати баландтар байни силсилаи воқеӣ ва пешгӯишударо нишон медиҳанд.

Mean Absolute Percentage Error (MAPE) дар манбаъ чунин дода шудааст:

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

.

Манбаъ инчунин сарбории ҳисоббарориро бо вақти сарфшуда барои омӯзиш ва санҷиш, ва суръати ҳамгароиро бо шумораи қадамҳои вақт, ки барои расидани VAF ба %95 ё бештар лозим аст, арзёбӣ мекунад. Қайд шудааст, ки ҳамаи ҳисобҳо дар Intel Core i3 бо 1200 MHz ва 8 GB хотира иҷро шудаанд.

Чаро манбаъ ҳам MAPE ва ҳам WMAPE мегӯяд?

Дар ин ҷо мушкили муҳими истилоҳот вуҷуд дорад. Ҷадвалҳои IV, V ва VI арзишҳои иҷроиро возеҳ дар сатри “MAPE” медиҳанд. Ҳамин рақамҳо дар абстракт, Ҷадвали VII ва бахши натиҷаҳо ҳамчун “Weekly Mean Absolute Percentage Error (WMAPE)” номгузорӣ шудаанд. Азбаски манбаъ барои WMAPE формулаи алоҳидаи вазндор аз MAPE пешниҳод намекунад, тасдиқ кардан имкон надорад, ки ин ду номгузорӣ воқеан ду метрики гуногунро ифода мекунанд ё не.

Аз ин рӯ, дар натиҷаҳои зер арзишҳо бе тағйир дода мешаванд; аммо ибораи «хатои фоизии ҳафтаина, ки дар манбаъ ба таври гуногун MAPE/WMAPE номгузорӣ шудааст» истифода хоҳад шуд.

Усул ва Натиҷаҳои Таҳқиқот

Modified BP-OSLA нисбат ба BPA ва OSLA-и мустақил чӣ гуна иҷро кард?

Аз рӯи ҷадвалҳои хом натиҷа равшан аст: Modified BP-OSLA дар ҳамаи се майдон нисбат ба ҳам BPA ва ҳам OSLA RMSE ва хатои фоизии камтар, ва VAF-и баландтар дод. Ғайр аз ин, дар ҳар се майдон ҳадди ҳамгароии VAF≥%95 тибқи манбаъ дар 1000 қадами вақт ба даст омадааст.

Knights Key барои ҳамаи усулҳо душвортарин силсила буд. Modified BP-OSLA дар ин ҷо VAF=%98,1276 ва хатои фоизии 8,8166 ба даст овард, дар ҳоле ки дар Oviedo ва Miami VAF аз %99,5 боло аст.

Манбаъ дар саҳифаи 26 баъзе фоизҳои «беҳбудӣ»-ро медиҳад, ки гуфта мешавад аз ин ҷадвалҳо бароварда шудаанд; аммо азбаски фоизҳои гузоришшуда бо муқоисаи мустақими арзишҳои хоми ҷадвалҳо мувофиқ нестанд, онҳо дар ин ҷо такрор нашудаанд. Барои муқоисаи илмӣ арзишҳои бевоситаи Ҷадвалҳои IV–VI ҳамчун манбаи боэътимод истифода шудаанд.

Каҷҳои воқеӣ ва пешгӯишудаи қувва чӣ нишон медиҳанд?

Дар Шаклҳои 4–6-и манбаъ каҷҳои воқеӣ ва пешгӯишудаи қувваи 5-дақиқаӣ барои давраҳои ҳафтрӯзаи санҷиш паҳлу ба паҳлу нишон дода шудаанд. Дар Oviedo ва Miami каҷи Modified BP-OSLA профили воқеии қувваро аз наздик пайгирӣ мекунад. Дар Knights Key, махсусан дар минтақаҳои қуллаҳои тез, фарқиятҳои равшантар дида мешаванд.

Ин мушоҳидаи визуалӣ бо ҷадвалҳои иҷро мувофиқ аст: дар Knights Key на танҳо Modified BP-OSLA, балки BPA ва OSLA низ RMSE ва хатои фоизии баландтар аз ду майдони дигар доранд. Аз ин рӯ, манбаъ ин майдонро ҳамчун силсилаи тағйирёбандатар ва душвортар барои пешгӯӣ шарҳ медиҳад.

Дар муқоиса бо моделҳои deep learning, хатои мутлақан камтарин ба кӣ тааллуқ дорад?

Modified BP-OSLA дар муқоиса бо N-BEATS ва N-HITS дар ҳамаи майдонҳо хатои мутлақан камтаринро надодааст. Ин фарқият муҳим аст.

Дар Oviedo N-HITS бо 2,9456 нисбат ба 2,9890-и Modified BP-OSLA хатои каме камтар дод, дар ҳоле ки N-BEATS бо 3,0370 хатои каме баландтар дошт. Дар Knights Key N-BEATS ва N-HITS мутаносибан бо 7,6680 ва 7,8290 нисбат ба 8,8166-и Modified BP-OSLA беҳтар иҷро карданд. Дар Miami низ N-HITS ва N-BEATS бо тақрибан 3,74–3,76 аз 4,05307-и Modified BP-OSLA камтаранд.

Аз ин рӯ, таҳқиқот нишон намедиҳад, ки Modified BP-OSLA дар маҷмӯъ аз шабакаҳои deep learning дақиқтар аст. Натиҷаи дастгиришаванда ин аст, ки ҳангоми истифодаи сохтори хеле хурдтар ва тезтар, дар се майдон хатои пешгӯии дар ҳамон тартиби бузургӣ бо моделҳои deep ба даст меояд.

Фарқи хароҷоти ҳисоббарорӣ то чӣ андоза калон аст?

Дар ин муқоиса бартарии асосии Modified BP-OSLA равшан мешавад. Арзишҳои манбаъ дар се майдон дар доираи 0,76–1,90 сония мемонанд, дар ҳоле ки N-BEATS 19,09–36,30 сония ва N-HITS 36,39–63,09 сония талаб кардааст.

Манбаъ ин фарқро ҳамчун хароҷоти ҳисоббарории тақрибан як–ду тартиби бузургӣ камтар тафсир мекунад. Аммо ин вақтҳо ба муҳити Intel Core i3 1200 MHz ва 8 GB хотира, ки дар таҳқиқот истифода шудааст, тааллуқ доранд; арзишҳои мутлақи сония барои сахтафзори дигар бевосита умумӣ карда намешаванд.

Даъвои истифодаи маълумоти омӯзишии камтар то чӣ андоза равшан аст?

Modified BP-OSLA барои ҳар майдон 30 рӯзи маълумоти омӯзиширо истифода кардааст. Манбаъ бо зикри он ки муқоисаҳои BP-SFLA-ANN, SFLA-ANN, GA-ANN ва Classic BP-ANN дар адабиёт маълумоти омӯзишии дарозтар истифода кардаанд, бартарии самаранокии маълумотро пешниҳод мекунад.

Аммо матн ин миқдори маълумотро дар як ҷой 45 рӯз ва дар бахшҳои дигар 46 рӯз медиҳад. Аз ин рӯ, ибораи «%33 маълумоти камтар» бо як давраи истинодии бемаънӣ ва ягона дастгирӣ намешавад. Он чизе, ки боэътимод гуфтан мумкин аст, ин аст, ки барои ин таҳқиқот давраи омӯзиш 30 рӯз аст ва корҳои муқоисавӣ дар дохили манбаъ ҳамчун 45/46 рӯз гузориш шудаанд.

Оё натиҷаҳо ҳангоми тағйири hyperparameter-ҳо устуворанд?

Танзимоти асосии суръати омӯзиш \(l_r=0,7\) ва ҳадди омӯзиш \(\beta=0,0001\) алоҳида ба андозаи ±%5 ва ±%10 тағйир дода шудаанд. Арзишҳои WMAPE-и дар манбаъ гузоришшуда дар ҳар се майдон танҳо тағйироти хурд нишон доданд.

Манбаъ қайд мекунад, ки ин тағйирот ба WMAPE камтар аз %1 таъсир расонидаанд ва махсусан ҳадди β ба тағйироти хурд ҳассосияти хеле паст нишон додааст. Вақтҳои ҳисоббарорӣ низ дар тағйироти ±%10-и hyperparameter асосан собит мондаанд.

Маҳдудияти даъвои пешгӯии «multi-horizon» чист?

Сарлавҳа ва абстракти таҳқиқот усулро аз сатҳи intra-hour то сатҳи week-ahead ҳамчун “multi-horizon” тавсиф мекунанд. Аммо дар ҷадвалҳои натиҷаҳо хатогиҳои ҷудогона барои 5 дақиқа пеш, 15 дақиқа пеш, 1 соат пеш, 1 рӯз пеш ва 7 рӯз пеш дода нашудаанд.

Ғайр аз ин, вуруди шабака се ченкунии воқеии охирин \(y_{t-5},y_{t-10},y_{t-15}\)-ро дар бар мегирад. Агар ин ченкуниҳои воқеӣ дар вақти санҷиш дар ҳар қадами нави 5-дақиқаӣ нав карда шаванд, модел пешгӯии кӯтоҳмуддати пайвастаи ҳаракаткунанда тавлид мекунад. Манбаъ нишон намедиҳад, ки ин ба пешгӯии open-loop-и воқеии ҳафтрӯза, ки тамоми ҳафтаро аз як нуқтаи ибтидоӣ пешакӣ истеҳсол мекунад, баробар аст.

Аз ин рӯ, натиҷаи мустақиман дастгиришавандаи таҳқиқот ин аст, ки модел метавонад дар тамоми силсилаи 7-рӯзаи санҷиши нодидашуда бо ҳалкунии 5-дақиқаӣ кор кунад. Барои иҷрои воқеии «week-ahead forecast, ки 7 рӯз пеш нашр мешавад» санҷиши иловагӣ аз рӯи уфуқи пешгӯӣ лозим аст.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Modified BP-OSLA дар ҳамаи се силсилаи баррасишудаи PV нисбат ба BPA ва OSLA-и мустақил RMSE ва хатои фоизии камтар додааст.
• Дар ҳар се майдон гузориш шудааст, ки ҳадди ҳамгароии VAF≥%95 дар 1000 қадами вақт ба даст омадааст.
• Хатогиҳои пешгӯии Modified BP-OSLA дар ҳамон доираи умумии бузургӣ бо N-BEATS ва N-HITS мебошанд; аммо моделҳои deep дар баъзе майдонҳо хатои камтар доданд.
• Вақтҳои ҳисоббарории гузоришшуда барои Modified BP-OSLA аз вақтҳои муқоисавии моделҳои deep ба таври назаррас камтаранд.
• Тағйири ±%10-и суръати омӯзиш ва ҳадди омӯзиш арзишҳои хатои гузоришшударо дар се силсилаи санҷиш танҳо ба андозаи маҳдуд тағйир додааст.
• Сохтори вуруд бо feedback-и пешгӯӣ арзишҳои воқеӣ ва пешгӯиҳои гузаштаро дар як вуруди модел муттаҳид мекунад.

Нуқтаҳое, ки таҳқиқот нишон намедиҳад ё пурра шарҳ намедиҳад

• Модел нишон намедиҳад, ки дар ҳамаи ҷуғрофияҳо, иқлимҳо ё технологияҳои PV ҳамон дақиқӣ дорад.
• Ғайр аз се силсилаи маълумот санҷиши мустақили географии беруна анҷом дода нашудааст.
• Тағйирёбандаҳои метеорологӣ ба модел дохил нашудаанд.
• Барои уфуқҳои алоҳидаи пешгӯӣ каҷҳои horizon-specific хато гузориш нашудаанд.
• Татбиқи онлайн дар системаи воқеии амалиётӣ нишон дода нашудааст.
• Чӣ гуна W1 ҳангоми омӯзиш коркард мешавад, дар матни манбаъ ба таври ягона ва бемаънӣ муайян нашудааст.
• Шарҳ дода нашудааст, ки чаро истилоҳҳои MAPE ва WMAPE барои ҳамон рақамҳо дар манбаъ ивазшаванда истифода шудаанд.
• Баъзе фоизҳои беҳбудии саҳифаи 26 аз ҷиҳати арифметикӣ бо ҷадвалҳои хоми иҷро мувофиқ ба назар намерасанд.
• Таҳқиқот интервалҳои эҳтимолии пешгӯӣ ё calibration-и номуайянии пешгӯиро пешниҳод намекунад.

Тафсир барои Тоҷикистон: Таҳқиқот бо маълумоти як нерӯгоҳи PV дар Тоҷикистон анҷом дода нашудааст. Барои истифодаи усул дар Тоҷикистон, сохтори маҳаллии офтобнокӣ, гузариши тези абрҳо, профилҳои мавсимии истеҳсол, технологияи нерӯгоҳ, маҳдудиятҳои inverter ва сохтори sampling-и BMS/SCADA бояд алоҳида тасдиқ карда шаванд. Махсусан, сохтори univariate, ки танҳо ба арзишҳои гузаштаи қувва такя мекунад, ҳамон сатҳи хаторо дар режимҳои гуногуни метеорологӣ кафолат намедиҳад. Аз ин рӯ, арзишҳои хатои дар доираи %2,9890–%8,8166-и таҳқиқот набояд ҳамчун интизории мустақими иҷро барои нерӯгоҳи Тоҷикистон истифода шаванд.

Ёддошт оид ба Манбаъ ва Усул

Номи пурраи аслии таҳқиқот: A Novel Hybrid Learning Algorithm for Multi-Horizon Solar PV Power Forecasting and Benchmarking with Deep Feed Forward Networks

Муаллифон — тартиби PDF-и асосӣ: Divyam Mandradia, Rahul Yadav.

Саҳми баробар / ҳаммуаллифи аввал: Дар манбаъ нишон дода нашудааст.

Муаллифи масъул: Rahul Yadav, PhD. Дар PDF бо аломати ситора ва ибораи “Corresponding Author” нишон дода шудааст.

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

DOI: 10.2139/ssrn.7198439

Платформа: SSRN.

Сабти расмӣ: SSRN Abstract 7198439.

Санаи нашри SSRN: 28 июли 2026.

Маҷалла / ҷилд / шумора: Барои версияи баррасишуда маълумоти маҷаллаи рецензияшуда, ҷилд ё шумора тасдиқ нашудааст.

Навъи манбаъ ва рецензия: Ин таҳқиқот preprint-и аз peer review нагузашта мебошад; натиҷаҳои он бояд бо назардошти ҳамин марҳилаи нашр арзёбӣ шаванд.

Ёддошт оид ба тартиби библиографии муаллифон: PDF-и асосӣ тартиби Divyam Mandradia, Rahul Yadav-ро истифода мекунад, дар ҳоле ки экрани сабти библиографии SSRN тартиби Rahul Yadav, Divyam Mandradia-ро медиҳад. Дар ин мақолаи Verianla тартиби намоёни PDF-и асосӣ нигоҳ дошта шудааст.

Литсензия: Дар сабти SSRN литсензияи кушодаи Creative Commons вуҷуд надорад ва гуфта мешавад, ки истифодаи дубора бе иҷозат иҷозат дода намешавад. Аз ин рӯ, шаклҳои манбаъ мустақим нусхабардорӣ нашудаанд; сохторҳои Verianla Live аз рақамҳо ва равандҳои гузоришшудаи манбаъ ба таври аслӣ сохта шудаанд.

Маблағгузорӣ: Дар манбаи баррасишуда изҳороти ҷудогонаи маблағгузорӣ вуҷуд надорад.

Ихтилофи манфиатҳо: Муаллифон изҳор мекунанд, ки ихтилофи манфиатҳо вуҷуд надорад.

CRediT / саҳми муаллифон: Изҳороти ҷудогонаи CRediT ё саҳми муфассали муаллифон вуҷуд надорад.

Дастрасии маълумот: Манбаъ қайд мекунад, ки маълумоти истифодашуда тавассути NREL Solar Power Data for Integration Studies ба таври оммавӣ дастрас аст. Дар PDF домени суроғаи маълумот бо шакли “nlr” навишта шудааст. Сабти расмии NREL маҷмӯи Solar Power Data for Integration Studies-ро ҳамчун маълумоти синтетикии нерӯгоҳи PV тавсиф мекунад, ки соли 2006-ро намояндагӣ мекунад.

Ёддошт оид ба табиати маълумот: Мақолаи манбаъ маълумотро дар баъзе бахшҳо “measurements” ва “realistic power output data” меномад. Аммо дар тавсифи расмии NREL инҳо маълумоти синтетикии қувваи PV мебошанд, ки барои таҳқиқоти интегратсия тавлид шудаанд. Аз ин рӯ, матни Verianla онҳоро ҳамчун ченкунии зиндаи се нерӯгоҳи воқеии Флорида пешниҳод намекунад.

Ёддошти MAPE / WMAPE: Манбаъ дар Ҷадвалҳои IV–VI арзишҳои 2,9890, 8,8166 ва 4,05307-ро ҳамчун MAPE, дар абстракт ва Ҷадвали VII бошад ҳамон арзишҳоро ҳамчун WMAPE ном мебарад. Азбаски барои WMAPE муодилаи ҷудогона дода нашудааст, ин ду номгузорӣ хомӯшона баробар карда нашудаанд.

Ёддошт оид ба фоизи беҳбудӣ: Фоизҳои беҳбудии WMAPE нисбат ба BPA ва OSLA, ки манбаъ дар саҳифаи 26 медиҳад, бо арзишҳои хоми Ҷадвалҳои IV–VI мустақиман мувофиқ нестанд. Азбаски манбаъ усули алтернативии махсуси ҳисобро шарҳ намедиҳад, ин фоизҳо ҳамчун натиҷаи асосии илмӣ истифода нашудаанд.

Ёддошт оид ба муқоисаи давраи омӯзиш: Манбаъ маълумоти омӯзишии моделҳои ANN-и муқоисавиро дар як бахш 45 рӯз ва дар бахшҳои дигар 46 рӯз медиҳад. Давраи истифодашуда барои Modified BP-OSLA ба таври возеҳ 30 рӯз аст.

Ёддошт оид ба вақти ҳисоббарорӣ: Ҷадвали VIII барои Modified BP-OSLA дар Oviedo, Knights Key ва Miami мутаносибан 1,90, 0,92 ва 0,76 сония медиҳад. Ибораи бахши натиҷаҳо «ба ҳисоби миёна тақрибан 0,8 сония» бо ин арзишҳои хом хомӯшона мувофиқ карда нашудааст.

Ёддошт оид ба такрорпазирии алгоритм: Дар тавсифи BP-OSLA-и манбаъ дар як ҷой гуфта мешавад, ки W1 ва W2 дар тӯли омӯзиш собит нигоҳ дошта мешаванд, дар ҷойи дигар бошад бо RLS нав карда мешаванд. Дар бахши Modified BP-OSLA гуфта мешавад, ки «ҳамаи се қабат» нав мешаванд, вале Муодилаи 5 танҳо навсозиҳои W3 ва W2-ро нишон медиҳад. Азбаски барои W1 муодилаи возеҳи навсозӣ вуҷуд надорад, ин мақола қадами нопурраро бо тахмин пур накардааст.

Маҳдудияти пешгӯии multi-horizon: Таҳқиқот дар давраи ҳафтрӯзаи нодидашудаи санҷиш бо ҳалкунии 5-дақиқаӣ пешгӯӣ мекунад; аммо барои уфуқҳои алоҳидаи пешгӯӣ арзишҳои хато намедиҳад. Азбаски вектори вуруд ченкуниҳои воқеии гузаштаро дар бар мегирад, манбаъ нишон намедиҳад, ки санҷиши пешниҳодшуда ба пешгӯии воқеии 7-day-ahead open-loop аз як нуқтаи оғоз баробар аст.

Ҳади манбаи илмӣ: Сохтори алгоритм, муодилаҳо, арзишҳои PACF, меъмориҳои шабака, давраҳои омӯзиш/санҷиш, арзишҳои иҷро, муқоисаи моделҳои deep ва натиҷаҳои ҳассосияти hyperparameter дар ин мақолаи Verianla ба таҳқиқоти асосии 39-саҳифагии боршуда асос ёфтаанд. Санҷиши беруна танҳо барои тасдиқи ҳувияти библиографии SSRN, санаи нашр, литсензия ва табиати расмии манбаи маълумоти NREL истифода шудааст.