solar energy forecasting

The application of deep learning models for forecasting solar energy generation is considered.  An analysis and comparison of the efficiency of recurrent (LSTM, GRU), convolutional (CNN), and temporal convolutional networks (TCN) for forecasting time series of solar energy generation were conducted.  The possibility of improving forecasting accuracy by constructing a hybrid model combining ARIMA and CNN was explored.  The results of experiments for different EU countries are presented, and a comparison of models in terms of forecasting accuracy and computational efficiency is performed as w

Успішне використання сонячної енергетики зумовлює необхідність точного прогнозування виробництва електроенергії сонячними електростанціями (СЕС) для стабільного функціонування систем електропостачання. Це пов’язано з необхідністю підтримання миттєвого балансу виробництва і споживання електричної енергії, який забезпечується реалізацією складних ієрархічних систем управління наявними джерелами енергії. Особливо актуальна можливість короткочасного прогнозування виробництва енергії СЕС.