پیش بینی انرژی خورشیدی با استفاده از پارامترهای آب و هوا و فتوولتائیک (PV) رشد فوق العاده ای داشته است. این مطالعه رویکرد جدیدی را ارائه میکند که تولید انرژی خورشیدی را با استفاده از فعالیتهای تعمیر و نگهداری برنامهریزینشده و دادههای آبوهوا پیشبینی میکند. مجموعه داده از نیروگاه خورشیدی 1 مگاواتی PDEU (دانشگاه ما) به دست آمده است که دارای 12 ستون ساختاری و 1 ستون بدون ساختار با ورودی های متنی دستی در مورد فعالیت های مختلف نگهداری برنامه ریزی شده و برنامه ریزی نشده و شرایط آب و هوایی روزانه است.
ستون بدون ساختار برای ایجاد ویژگی های جدید با استفاده از Hash-Map، علامت گذاری کلمات و کلمات توقف استفاده می شود. پیشبینی تولید برق خورشیدی بهعنوان یک مسئله بهینهسازی رگرسیون خودکار برداری (VAR) فرموله شده است و پیشبینی تولید کل انرژی با نتایج چهار مورد مختلف ارائه شده است.
نتایج نشان داده است که ریشه میانگین مربع درصد خطا (RMSPE) در پیشبینی تولید برق کل برای مقادیر مختلف تاخیر (p) کمتر از 10 درصد است. رگرسیون خودکار برداری می تواند فعالیت های نگهداری برنامه ریزی نشده مانند خرابی شبکه، خرابی اینورتر، فعالیت تعمیر و نگهداری برنامه ریزی شده مانند تمیز کردن ماژول، فعالیت آب و هوا مانند ابری همراه با پیش بینی کل تولید برق را برای مدیریت موثر و کارآمد نیروگاه های خورشیدی پیش بینی کند.
پوسیدگی تولید برق برای همه مجموعههای PV متفاوت است که تغییرات در تأثیرات آب و هوا، پیری و نگهداری بر روی نیروگاه خورشیدی را نشان میدهد. این کار تحقیقاتی ثابت کرده است که پیکهای پیشبینی و پیشبینی تولید برق کل را میتوان با استفاده از فعالیتهای نگهداری برنامهریزینشده روزانه و شرایط آب و هوایی به روشی بهتر ردیابی کرد.
