尽管光伏系统是利用太阳能的一种很有前途的方式，但电网管理人员需要准确预测其功率输出，以有效地安排发电和维护操作。韩国仁川国立大学的科学家开发了一种基于机器学习的方法，可以比类似算法更准确地估计光伏系统的输出，为更可持续的社会铺平道路。
随着气候变化的威胁迫在眉睫，现在是我们更大规模地采用可再生能源的时候了。光伏系统从几乎无限的太阳能供应中发电，是最有前途的清洁能源方式之一。然而，将光伏系统集成到现有电网中并不是一个简单的过程。由于光伏系统的功率输出在很大程度上取决于环境条件，电厂和电网管理人员需要估计光伏系统将注入多少功率，以便规划最佳发电和维护计划，以及其他重要的运营方面。
与现代趋势一致，如果某些事情需要预测，您可以放心地打赌人工智能会出现。迄今为止，有许多算法可以通过从以前的数据中学习并分析当前变量，提前几个小时估计光伏系统产生的功率。其中之一称为自适应神经模糊推理系统(ANFIS)，已广泛应用于预测复杂可再生能源系统的性能。自成立以来，许多研究人员将 ANFIS 与各种机器学习算法相结合，以进一步提高其性能。
在最近发表在《可再生和可持续能源评论》上的一项研究中，由韩国仁川国立大学的 Jong Wan Hu 领导的研究小组开发了两种基于 ANFIS 的新模型，以更好地提前估计光伏系统产生的功率，最多可提前全日。这两个模型是“混合算法”，因为它们将传统的 ANFIS 方法与两种不同的粒子群优化方法相结合，这是寻找优化问题的最佳解决方案的强大且计算效率高的策略。
为了评估他们模型的性能，该团队将它们与其他基于 ANFIS 的混合算法进行了比较。他们使用之前研究中部署在意大利的实际光伏系统的真实数据测试了每个模型的预测能力。正如胡博士所说，结果非常有希望：“我们开发的两个模型之一的表现优于所有测试的混合模型，因此在预测太阳能系统的短期和长期光伏功率方面显示出巨大潜力.”
从软件和生产的角度来看，这项研究的结果可能会对光伏系统领域产生直接影响。“在软件方面，我们的模型可以转化为准确估计光伏系统价值的应用程序，从而提高性能和电网运行。在生产方面，我们的方法可以通过帮助选择能够用于光伏系统的设计，”胡博士解释说。让我们希望这项工作能帮助我们过渡到可持续能源!
