Resumen

Cuando un sistema fotovoltaico (FV) se conecta a la red eléctrica, la fiabilidad del sistema eléctrico puede estar expuesta a una amenaza debido a su inherente aleatoriedad y volatilidad. En consecuencia, la predicción de la generación de energía fotovoltaica se hace necesaria para una programación razonable de la distribución de energía. En este estudio se desarrolló un modelo híbrido basado en un algoritmo de enjambre de aves mejorado (IBSA) con un algoritmo de máquina de aprendizaje extremo (ELM), es decir, IBSAELM, para una mejor predicción de la potencia de salida fotovoltaica a corto plazo. El modelo IBSA se utilizó inicialmente para optimizar el umbral de la capa oculta y el peso de entrada del modelo ELM. Además, los parámetros óptimos obtenidos se introdujeron en el modelo ELM para predecir la potencia fotovoltaica a corto plazo. Los resultados revelaron que el modelo IBSAELM es superior en términos de precisión de la predicción en comparación con los métodos existentes, como la máquina de vectores de apoyo (SVM), la red neuronal de propagación posterior (BP), la regresión del proceso gaussiano (GPR) y los modelos de algoritmo de enjambre de aves con máquina de aprendizaje extremo (BSAELM). De este modo, se lograron grandes beneficios en cuanto a la eficiencia de utilización de la generación de energía en su conjunto. Además, la estabilidad de la red eléctrica se mantuvo bien, lo que dio lugar a un equilibrio en la generación, la transmisión y el consumo de electricidad.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:máquina de aprendizaje extremo, algoritmo de enjambre de pájaros, modelo elm, red eléctrica, umbral de capa oculta, generación de energía fotovoltaica, potencia de salida fotovoltaica, regresión de proceso gaussiano, términos de salida fotovoltaica, máquina de vectores de apoyo
• Keywords:extreme learning machine, bird swarm algorithm, elm model, electric power grid, hidden layer threshold, pv power generation, pv output power, gaussian process regression, terms pv output, support vector machine