ФОТОЭЛЕКТРЛІК ЖҮЙЕНІҢ ШЫҒЫС ҚУАТЫН НЕЙРОНДЫҚ ЖЕЛІЛЕР НЕГІЗІНДЕ БОЛЖАУ

Ғылыми зерттеу жұмысында екі түрлі машиналық оқыту моделдері негізінде, атап айтқанда LSTM және XGBoost көмегімен фотоэлектрлік жүйелердің шығыс қуатын болжау тиімділігін бағалау жұмыстары жүргізілді. Бір тәуліктік тәжірибе деректері негізінде MAE, R² және RMSE сияқты әртүрлі көрсеткіштерді қолдана отырып модельдердің болжау көрсеткіштері анықталды. Алынған нәтижелер деректердің шектеулі көлеміне қарамастан екі модельдің де жоғары дәлдікте жұмыс жасайтынын растады. XGBoost моделі күн панелінің шығыс қуатын болжау кезінде 0,99-ға тең детерминация коэффициентін (R²) көрсетті, ал LSTM моделі 0,06-ға тең қанағаттанарлық нәтиже көрсетті. Күн радияциясын болжауды талдау кезінде XGBoost моделінің R² коэффициенті 0,97 жеткені анықталды, ал LSTM моделінде детерминация коэффициенті 0,67-ге тең нәтиже көрсетті. Бұл нәтижелер болжамдардың тұрақтылығы мен сенімділігін қамтамасыз ете отырып, фотоэлектрлік жүйелердің энергия түрлендірулерін болжаудағы терең модельдердің бірегейі ретінде сәтті қабілеттіліктерін көрсетеді. Толық зерттеу жұмыстары мен талдаулар мақалада келтірілген.