paint-brush
सौर ऊर्जा अनुमानों को उजागर करना: सभी मौसमों में बायेसियन मॉडल विश्लेषणद्वारा@quantification

सौर ऊर्जा अनुमानों को उजागर करना: सभी मौसमों में बायेसियन मॉडल विश्लेषण

द्वारा Quantification Theory Research Publication2m2024/02/02
Read on Terminal Reader

बहुत लंबा; पढ़ने के लिए

सौर विकिरण भविष्यवाणियों की जटिलताओं को उजागर करते हुए, कैलिफोर्निया में बायेसियन मॉडलिंग के माध्यम से एक यात्रा पर निकलें। सहसंयोजकों और मौसमी विविधताओं के महत्व के साथ-साथ मॉडल गुणांकों के पश्च वितरण की खोज करें। मूल्यवान अंतर्दृष्टि प्राप्त करते हुए, रीग्रिडिंग और रैखिक मॉडल भविष्यवाणी से जुड़ी अनिश्चितता में गहराई से उतरें। पूर्वानुमान अंतराल की सटीकता का मूल्यांकन करते हुए पूर्वानुमान कवरेज का अन्वेषण करें। यह अध्ययन, विशेष रूप से कैलिफ़ोर्निया की विविध जलवायु में, सौर ऊर्जा भविष्यवाणियों की सूक्ष्म समझ प्रदान करता है।
featured image - सौर ऊर्जा अनुमानों को उजागर करना: सभी मौसमों में बायेसियन मॉडल विश्लेषण
Quantification Theory Research Publication HackerNoon profile picture

लेखक:

(1) मैगी डी. बेली, कोलोराडो स्कूल ऑफ माइन्स और नेशनल रिन्यूएबल एनर्जी लैब;

(2) डगलस निक्का, कोलोराडो स्कूल ऑफ माइन्स;

(3) मनजीत सेनगुप्ता, राष्ट्रीय नवीकरणीय ऊर्जा प्रयोगशाला;

(4) एरोन हब्टे, राष्ट्रीय नवीकरणीय ऊर्जा प्रयोगशाला;

(5) यू झी, राष्ट्रीय नवीकरणीय ऊर्जा प्रयोगशाला;

(6) सौतिर बंद्योपाध्याय, कोलोराडो स्कूल ऑफ माइन्स।

लिंक की तालिका

सार और परिचय

डेटा

बायेसियन पदानुक्रमित मॉडल (बीएचएम)

सौर विकिरण उदाहरण

परिणाम

निष्कर्ष

परिशिष्ट ए: सिमुलेशन अध्ययन

परिशिष्ट बी: पुन: ग्रिडिंग गुणांक अनुमान

संदर्भ

4 सौर विकिरण उदाहरण

अनुभाग में वर्णित मॉडल. 3 कैलिफोर्निया के उप-क्षेत्र में प्रत्येक स्थान के लिए एक बार फिट था, चित्र 2 के सबसे दाहिने निचले पैनल में दिखाया गया है, जिसमें तटीय और अंतर्देशीय क्षेत्र शामिल हैं। इसके अतिरिक्त, मॉडल सभी वर्षों के ओवरलैपिंग डेटा (1998-2009) के लिए चार अलग-अलग महीनों (फरवरी, मई, अगस्त और नवंबर) के लिए फिट था। प्रारंभ में, सभी सहसंयोजकों को मॉडल में शामिल किया गया है। हालाँकि, सभी सहसंयोजक महत्वपूर्ण नहीं पाए गए। विशेष रूप से, CanRCM4.ERA-Int को अधिकांश स्थानों के लिए फरवरी, मई और नवंबर के महीनों के लिए कोई महत्व नहीं पाया गया और अगस्त के महीने में लगभग आधे स्थानों के लिए इसका कोई महत्व नहीं था। मौसमी सहसंयोजक का किसी भी महीने के लिए कोई महत्व नहीं था, जैसा कि अपेक्षित है क्योंकि डेटा को प्रत्येक सीज़न से एक ही महीने में विभाजित किया गया था। इस वजह से, मौसमी सहवर्ती को सभी चार महीनों के लिए हटा दिया गया था।

4.1 मॉडल गुणांकों का पश्च वितरण

अक्सर, क्रिगिंग से उत्पन्न रिग्रिडेड डेटा सेट को आगे के विश्लेषण के लिए जमीनी सच्चाई के रूप में उपयोग किया जाता है। यह खंड समीकरण में प्रत्येक β के पश्च वितरण से ड्रॉ उत्पन्न करके रीग्रिडिंग और रैखिक मॉडल भविष्यवाणी चरण और डाउनस्ट्रीम प्रभावों से जुड़ी अनिश्चितता का विश्लेषण करने की विधि की रूपरेखा तैयार करता है। 1.


4.2 पूर्वानुमान कवरेज

यह अध्ययन पश्च भविष्यवाणियों के कवरेज पर भी विचार करता है, अर्थात दिनों का वह अंश जहां पूर्वानुमान अंतराल में देखा गया वास्तविक मूल्य शामिल होता है। विश्लेषण का यह भाग एक वर्ष के डेटा को परीक्षण सेट के रूप में रखता है, शेष वर्षों को प्रशिक्षण सेट के रूप में उपयोग करता है। 12 वर्षों के ओवरलैपिंग डेटा के परिणामस्वरूप 12 आउट-ऑफ़-सैंपल भविष्यवाणी परिणाम प्राप्त हुए हैं। अंतिम कवरेज 12 तहों के लिए औसत कवरेज है।


यह पेपर CC 4.0 लाइसेंस के तहत arxiv पर उपलब्ध है।