Influence of sparse data on PV power prediction accuracy using machine-learning models

Alexander Prüller

Influence of sparse data on PV power prediction accuracy using machine-learning models

Alexander Prüller

Research output: Thesis › Master's Thesis

Abstract

PV-Anlagen spielen eine zunehmende Rolle in der zukünftigen Energieversorgung mittels erneuerbarer Energien. Diese dezentrale Form von Kraftwerken birgt Herausforderungen für das Stromnetz und eine möglichst präzise Vorhersage von Leistungserträgen ist für die Bewältigung essentiell. Maschinelles Lernen hat mehrfach gezeigt, dass es dieser Aufgabe gewachsen ist, jedoch ist dieses besonders von Eingabedaten abhängig. Das Ziel dieser Arbeit ist es den Einfluss von verrauschten und spärlich verfügbaren Daten auf die Vorhersagequalität zu bestimmen

Translated title of the contribution	Einfluss fehlerhafter Daten auf die Genauigkeit der PV-Leistungsvorhersage mit Hilfe von Machine-Learning-Modellen
Original language	English
Qualification	Master of Science
Awarding Institution
Supervisors/Advisors	Rennhofer, Marcus, Supervisor Gröschl, Martin, Supervisor, External person
Award date	13 Jun 2024
Publication status	Published - 1 Jun 2024

Research Field

Hybrid Power Plants

Cite this

@mastersthesis{178aedc6c1c64bf7b65afb94a999f29f,

title = "Influence of sparse data on PV power prediction accuracy using machine-learning models",

abstract = "PV-Anlagen spielen eine zunehmende Rolle in der zuk{\"u}nftigen Energieversorgung mittels erneuerbarer Energien. Diese dezentrale Form von Kraftwerken birgt Herausforderungen f{\"u}r das Stromnetz und eine m{\"o}glichst pr{\"a}zise Vorhersage von Leistungsertr{\"a}gen ist f{\"u}r die Bew{\"a}ltigung essentiell. Maschinelles Lernen hat mehrfach gezeigt, dass es dieser Aufgabe gewachsen ist, jedoch ist dieses besonders von Eingabedaten abh{\"a}ngig. Das Ziel dieser Arbeit ist es den Einfluss von verrauschten und sp{\"a}rlich verf{\"u}gbaren Daten auf die Vorhersagequalit{\"a}t zu bestimmen",

keywords = "Photovoltaic, Forecasting, Machine Learning, sparse data",

author = "Alexander Pr{\"u}ller",

year = "2024",

month = jun,

day = "1",

language = "English",

}

TY - THES

T1 - Influence of sparse data on PV power prediction accuracy using machine-learning models

AU - Prüller, Alexander

PY - 2024/6/1

Y1 - 2024/6/1

N2 - PV-Anlagen spielen eine zunehmende Rolle in der zukünftigen Energieversorgung mittels erneuerbarer Energien. Diese dezentrale Form von Kraftwerken birgt Herausforderungen für das Stromnetz und eine möglichst präzise Vorhersage von Leistungserträgen ist für die Bewältigung essentiell. Maschinelles Lernen hat mehrfach gezeigt, dass es dieser Aufgabe gewachsen ist, jedoch ist dieses besonders von Eingabedaten abhängig. Das Ziel dieser Arbeit ist es den Einfluss von verrauschten und spärlich verfügbaren Daten auf die Vorhersagequalität zu bestimmen

AB - PV-Anlagen spielen eine zunehmende Rolle in der zukünftigen Energieversorgung mittels erneuerbarer Energien. Diese dezentrale Form von Kraftwerken birgt Herausforderungen für das Stromnetz und eine möglichst präzise Vorhersage von Leistungserträgen ist für die Bewältigung essentiell. Maschinelles Lernen hat mehrfach gezeigt, dass es dieser Aufgabe gewachsen ist, jedoch ist dieses besonders von Eingabedaten abhängig. Das Ziel dieser Arbeit ist es den Einfluss von verrauschten und spärlich verfügbaren Daten auf die Vorhersagequalität zu bestimmen

KW - Photovoltaic

KW - Forecasting

KW - Machine Learning

KW - sparse data

M3 - Master's Thesis

ER -

Influence of sparse data on PV power prediction accuracy using machine-learning models

Abstract

Research Field

Other files and links

Cite this