Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  prognozowanie produkcji energii fotowoltaicznej
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
100%
|
|
tom R. 99, nr 11
224--227
PL
W pracy przedstawiono wyniki prognozowania produkcji energii fotowoltaicznej z wykorzystaniem dwóch modeli regresyjnych: regresji LASSO oraz lasu losowego. Dane o produkcji energii uzyskano przy użyciu mikroinstalacji Victron. Dzięki połączeniu usługi VRM Portal oraz platformy teleinformatycznej NEXO, możliwe było pozyskanie danych niezbędnych do nauki modeli prognostycznych. W artykule zaprezentowano metodykę modelowania produkcji energii fotowoltaicznej przy użyciu języka Python oraz biblioteki SkForecast. Na podstawie wyników badań stwierdzono, że najlepsze prognozy uzyskuje się stosując model lasów losowych.
EN
The paper presents forecasting of solar energy production using two regression models: LASSO regression and random forest. Data on energy production was obtained using Victron micro-installations. Thanks to the combination of the VRM Portal service and the NEXO platform, it was possible to obtain the data necessary to learn forecasting models. The article presents the methodology of solar energy production modeling using the Python language and the SkForecast library. Based on the test results, it was found that the best forecasts are obtained using the random forests model.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.