Solarenergie-Prognose mittels hybridem Deep Learning: Leistungssteigerung mit zufälligem Forest-BiLSTM und Ensemble-Modellierung

Summary

Diese Studie verbessert die Leistung konzentrierter Solarkraftwerke durch umfassende Datenanalyse und Fehlerkorrekturmethoden. Durch die Integration von Spektrumanalyse, thermischer Effizienzoptimierung und hybriden Machine-Learning-Modellen bietet die Forschung umsetzbare Strategien zur Steigerung der Betriebseffizienz und Zuverlässigkeit und unterstützt so die Rolle der Solarenergie als nachhaltige Energiequelle.

Abstract

Eine genaue Solarenergieprognose ist entscheidend für die Netzintegration und die betriebliche Stabilität erneuerbarer Energiesysteme. Diese Studie präsentiert einen hybriden Deep-Learning-Ensemble-Ansatz zur Vorhersage der Sonnenerzeugung, indem komplexe zeitliche Abhängigkeiten in Bestrahlungsdaten erfasst werden. Fünf hybride Architekturen wurden bewertet: RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU und CNN-Transformer, wobei jede konvolutionelle oder rekurrente Komponenten kombiniert, um räumliche und sequentielle Merkmale aus historischen Zeitreihen zu extrahieren. Das RF-BiLSTM-Modell erzielte die beste individuelle Leistung mit R² = 0,6568, MAE = 30.728 W und = 1,81 × 10⁹ W². Ein Ensemble-Modell, das die drei wichtigsten Architekturen mit inverser MAE-gewichteter Mittelung integriert, zeigte eine überlegene Leistung mit R² = 0,6933, MAE = 28.809,89 W und = 1,53 × 10⁹ W² und reduzierte den Vorhersagefehler um 6,2 % im Vergleich zum besten Einzelmodell. Das vorgeschlagene Ensemble-Framework balanciert die Modellstärken effektiv aus, verbessert die Prognoserobustheit und bietet eine skalierbare, datengetriebene Lösung für die Prognose erneuerbarer Energien in intelligenten Netz- und Energiemanagementsystemen.

Introduction

Der beschleunigte globale Übergang hin zu erneuerbaren Energien hat Solarenergie als zentrale Quelle im nachhaltigen Energiemix etabliert. Da sich Länder zunehmend auf die Dekarbonisierung ihrer Energiesysteme verpflichten, hat die Solar-Photovoltaik-(PV)-Technologie aufgrund ihrer Skalierbarkeit, sinkenden Kosten und Umweltvorteile ein exponentielles Wachstum erlebt. Die weitverbreitete Integration von Solarenergie in nationale und regionale Stromnetze stellt jedoch erhebliche Herausforderungen dar, hauptsächlich aufgrund ihrer intermittierenden und wetterabhängigen Natur. Die Sonnenstrahlung wird von einer Vielzahl von Umweltfaktoren beeinflusst, darunter Wolkenbedeckung, atmosphärische Bedingungen, saisonale Veränderungen und tagtägliche Zyklen, die alle Variabilität und Unsicherheit in die Solarstromerzeugung einführen. Diese inhärente Variabilität erschwert die Aufgabe der Netzbalance und der Planung des Stromsystems. Betreiber müssen die Solarenergieproduktion genau vorhersagen, um eine optimale Ressourcenverteilung sicherzustellen, die Abhängigkeit von fossilen Backup-Systemen zu verringern, Überlastung oder Unterauslastung der Infrastruktur zu verhindern und die gesamte Netzstabilität aufrechtzuerhalten. Mit der zunehmenden Durchdringung von Solarenergie wird der Bedarf an robusten, zuverlässigen und präzisen Prognosemodellen noch dringlicher. Genaue kurzfristige und tagorientierte Solarprognosen sind besonders wichtig für Anwendungen wie die Teilnahme am Energiemarkt, Lastverteilung, Batterieplanung und Mikronetzmanagement¹.

Traditionelle Vorhersagemethoden, wie physikalische Modelle auf Basis meteorologischer Daten und statistische Zeitreihentechniken (z. B. ARIMA, exponentielle Glättung), verfehlen oft die Erfassung des nichtlinearen und dynamischen Verhaltens der Solarerzeugung. Diese Modelle basieren tendenziell auf linearen Annahmen, handgefertigten Merkmalen oder detaillierten Wettersimulationen, die ihre Skalierbarkeit und Anpassungsfähigkeit an sich ändernde Muster in Solardaten² einschränken. Im Gegensatz dazu haben sich Deep-Learning-(DL)-Modelle als transformativer Ansatz in der Zeitreihenprognose herausgebildet. Diese datengetriebenen Methoden können komplexe Merkmale und zeitliche Abhängigkeiten automatisch direkt aus Rohdaten lernen, ohne explizite Feature Engineering ^3,4 zu benötigen.

Zu den am weitesten verbreiteten Architekturen gehören Recurrent Neural Networks (RNNs) und deren verbesserte Varianten, wie Long Short-Term Memory (LSTM) und Gated Recurrent Unit (GRU)-Netzwerke. Diese Modelle sind darauf ausgelegt, sequentielle Abhängigkeiten und langfristige zeitliche Beziehungen in Zeitreihendaten ^2,5,6 zu erfassen. Gleichzeitig haben Konvolutionelle Neurale Netzwerke (CNNs) starke Fähigkeiten zur räumlichen Merkmalsextraktion gezeigt und wurden angepasst, um zeitliche Daten durch 1D-Faltungen zu verarbeiten, insbesondere in hybriden Konfigurationen ^7,8. Hybride DL-Modelle, die die Stärken verschiedener Architekturen wie CNNs und RNNs kombinieren, haben in der Solarprognose an Bedeutung gewonnen, da sie sowohl lokale als auch langfristige Abhängigkeiten aus Zeitreihendaten ^7,8,9 extrahieren können

Zum Beispiel wenden CNN-LSTM- oder CNN-BiLSTM-Modelle Faltungsschichten an, um die Eingabesequenz vorzuverarbeiten und zu filtern, bevor sie in rekurrenten Schichten eingespeist werden, was zu effizienterem und genauerem Lernen^führt. Mehrere Studien haben die Überlegenheit hybrider Architekturen gegenüber eigenständigen Modellen gezeigt. Forschungen mit SSA-RNN-LSTM-Hybridmodellen erzielten signifikante Reduktionen der Fehlermetriken über mehrere PV-Technologien hinweg und zeigten Verbesserungen der RMSE um 15–23 % im Vergleich zu alternativen hybriden Ansätzen⁹. Ähnlich haben CNN-LSTM-Architekturen sowohl Standard-Machine-Learning-Ansätze als auch einzelne Deep-Learning-Modelle in mehreren Evaluationsmetriken übertroffen, wenn sie auf reale Solarenergiedaten¹⁰ angewendet werden. Die Wirksamkeit zerlegungsbasierter hybrider Methoden wurde ebenfalls nachgewiesen, wobei die Zerlegung von Wavelet-Paketen in Kombination mit LSTM-Netzwerken eine überlegene Leistung gegenüber einzelnen LSTM-, RNN-, GRU- und MLP-Modellen in der Hour-ahead PV-Leistungsvorhersage² zeigte. In der Windkraftprognose haben hybride Modelle, die Faltungsschichten mit GRU-Netzen kombinieren, bemerkenswerte Verbesserungen bei sehr kurzfristigen Vorhersagen erzielt, wobei die Validierung an mehreren Standorten ihre Robustheit und Generalisierbarkeit^{bestätigt 7}. Darüber hinaus bieten aufmerksamkeitsbasierte Mechanismen wie Transformers zusätzliches Potenzial, indem sie sich selektiv auf relevante Eingabesegmente über Zeitschritte hinweg konzentrieren. Jüngste Untersuchungen zu CNN-LSTM-Transformator-Hybriden haben außergewöhnlich niedrige Fehlerraten erzielt und sind bahnbrechende Bemühungen, Transformator-Netzwerke in Hybridmodelle für die Solarenergieprognose¹¹ zu integrieren.

Der Erfolg hybrider Modelle geht über architektonische Kombinationen hinaus und umfasst Vorverarbeitungstechniken und spezialisierte Anpassungen an reale Bedingungen. Signalzerlegungstechniken haben sich als wertvoll erwiesen, um die multiskaligen Eigenschaften der PV-Stromerzeugung zu erfassen und die Prognosegenauigkeit durch eine bessere Darstellung zeitlicher Muster^{zu verbessern 2}. Für industrielle Solaranlagen, die unter eingeschränkten Bedingungen arbeiten, haben verbesserte LSTM-basierte Ansätze mit spezialisierter Vorverarbeitung erhebliche Fehlerreduzierungen erreicht, indem Dateninkonsistenzen behoben werden¹². Auch die Qualität der Eingabedaten wurde untersucht, wobei erhebliche Leistungsunterschiede bei Verwendung historischer versus vorhergesagter Wetterdaten sichtbar werden, wobei innovative Feature-Engineering-Techniken helfen, Genauigkeitsverluste unter unvollkommenen Eingabebedingungen zu mindern⁶. Machine-Learning-Ansätze haben in netzgebundenen Systemen zudem ihre Wirksamkeit gezeigt und zeigen das Potenzial, die Abhängigkeit von konventioneller Spin-Reservekapazität durch präzise Prognose^zu verringern. Frühere grundlegende Arbeiten bewiesen die Machbarkeit künstlicher neuronaler Netzwerke für verschiedene Solarenergieanwendungen und zeigten ihre Fähigkeit, verrauschte und unvollständige Daten zu verarbeiten und^{nach dem Training} schnelle Vorhersagen zu ^liefern. Forschung zu optimalen Prognosehorizonten und minimal-input-Ansätzen hat praktische Leitlinien für Systemdesign und -bereitstellung in datenarmen Regionen^geliefert 15,16,17. Hybride Methoden, die Mechanismusmodellierung mit Deep Learning kombinieren, haben ebenfalls vielversprechende Anwendungen für komplexe solarthermische Energieanwendungen gezeigt, indem sie wichtige meteorologische Faktoren und deren raumzeitliche Beziehungen genau identifizieren¹⁸. Vergleichsstudien haben die Vorteile fortschrittlicher rekurrenter Architekturen, insbesondere bidirektionaler LSTM-Netzwerke, festgestellt, die unter herausfordernden Umweltbedingungen wie bewölktem Wetter^{außergewöhnliche} Leistung erzielt haben.

Ensemble-Lernen, insbesondere durch gewichtete Durchschnittsbildung, bietet eine überzeugende Lösung. Durch die Aggregation der Vorhersagen komplementärer Modelle können Ensemble-Methoden den Verallgemeinerungsfehler reduzieren, die Robustheit verbessern und die Schwächen einzelner Modelle abmildern. Diese Studie untersucht die Leistungsfähigkeit von fünf fortschrittlichen hybriden DL-Modellen: RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU und CNN-Transformer zur Solarenergieprognose. Jedes Modell wird mit strengen Metriken bewertet, darunter der Bestimmungskoeffizient (R²), der mittlere absolute Fehler (MAE) und der mittlere quadratische Fehler (). Basierend auf Performance Benchmarking werden die drei besten Modelle ausgewählt und zu einem optimierten Ensemble mit einer gewichteten Mittelungstechnik kombiniert. Das Ziel ist es, ein reines DL-Ensemble zu entwickeln, das die Prognosegenauigkeit verbessert und gleichzeitig Verallgemeinerbarkeit und rechenfähige Machbarkeit beibehält. Diese Forschung zielt darauf ab, praktische, leistungsstarke Prognoselösungen für Netzbetreiber und Akteure im Bereich erneuerbare Energien bereitzustellen.

Trotz erheblicher Fortschritte bei den Methoden zur Vorhersage erneuerbarer Energien bestehen im aktuellen Wissensstand weiterhin mehrere kritische Einschränkungen. Obwohl Photovoltaiksysteme erhebliche Forschungsaufmerksamkeit erregt haben, bleiben speziell für die Konzentration von Solarenergie entwickelte Prognoseanwendungen deutlich unterrepräsentiert, sodass Fragen zur thermischen Effizienzvorhersage und Betriebsoptimierung weitgehend unbeantwortet bleiben^15,16. Aktuelle Prognoserahmen gehen typischerweise davon aus, dass Sensormessungen von Natur aus genau sind, und vernachlässigen die Einführung systematischer Fehlerkorrekturverfahren für Direct Normal Irradiance-Instrumentierungen, was potenzielle Zuverlässigkeitsbedenken sowohl für retrospektive Analysen als auch für prospektive Vorhersagen mit sich bringt²⁰. Bestehende Ansätze konzentrieren sich überwiegend auf zeitliche Vorhersage, ohne die spektralen Eigenschaften der Sonnenstrahlung unter unterschiedlichen atmosphärischen Bedingungen zu untersuchen, trotz des bekannten Einflusses der spektralen Verteilung auf die Systemleistung¹⁷. Obwohl hybride Architekturen, die konvolutionelle und rekurrente Netze kombinieren, sich für photovoltaische und Windanwendungen als effektiv erwiesen haben, bleibt ihre Anpassung an konzentrierte solarthermische Systeme weitgehend unerforscht, insbesondere Konfigurationen mit Random Forest-Merkmalverarbeitung mit bidirektionalen rekurrenten Schichten ^7,10. Die Häufigkeit stündlicher Prognoseintervalle in veröffentlichten Studien übersieht die Notwendigkeit einer höheren zeitlichen Auflösung, die in der Lage ist, schnelle thermische Reaktionsdynamiken zu erfassen, die für das Echtzeit-Systemmanagement unerlässlich sind,^18,19. Darüber hinaus existieren Datenqualitätsverbesserung und prädiktive Modellierung als nicht zusammenhängende Forschungsbereiche ohne integrierte Rahmenwerke, die zeigen, wie Messkorrektur in Prognosen von Verbesserungen übersetzt^{wird 20}. Schließlich erhalten Berechnungseffizienzüberlegungen, einschließlich Trainingsdauer, Inferenzgeschwindigkeit und Hardwareanforderungen, im Hinblick auf Genauigkeitsmetriken allein unzureichend Aufmerksamkeit, was die praktische Einsatzanleitung^einschränkt.

Diese Untersuchung adressiert diese Mängel durch die Entwicklung einer umfassenden Methodik, die konzentrierte solarenergiespezifische Analyse mit thermischer Optimierung kombiniert, rigorose Sensorfehlerkorrekturprotokolle implementiert, spektrale Verteilungsanalysen durchführt, eine Random Forest-Bidirectional LSTM-Architektur zur thermischen Leistungsvorhersage einführt, Prognose mit minimaler Auflösung für erhöhte zeitliche Granularität durchführt und Datengleichtrichterprozesse mit der Leistung verbindet Ergebnisse und bietet systematisches rechnergestütztes Benchmarking über fünf hybride Architekturen unter Verwendung standardisierter Grafikverarbeitungshardware. Die wichtigsten Forschungslücken, die in der bestehenden Literatur identifiziert wurden, sind in Tabelle 1 zusammengefasst.

Forschungslücke	Bestehende Literatur	Was fehlt	Diese Studie behandelt
Begrenzte CSP-spezifische Forschung	Umfangreiche PV-Prognosestudien15,16	CSP thermische Effizienz-Datengleichrichtung	Umfassende CSP-Datenanalyse mit thermischer Optimierung
Unzureichende Sensorfehlerkorrektur	Studien gehen von Datengenauigkeitaus 17	Fehlerfreie Korrekturprotokolle für DNI-Instrumente	Implementierung von Fehlerfrei-Korrektur für eine genaue Bewertung
Fehlen der DNI-Spektralanalyse	Zeitvorhersagefokus nur18	Spektralverteilung unter atmosphärischen Variationen	Spektrumanalyse zeigt Wolken-/Atmosphäreneinflüsse
Begrenzte Hybridmodelle für CSP	CNN-LSTM für PV10, CNN-GRU für Wind7	RF-BiLSTM für CSP-Anwendungen	Neuartiges RF-BiLSTM erreicht R2 = 0,657
Fehlende minutiöse Analyse	Stundenprognosen18,19	Hochauflösung für thermische Dynamik	Minutenweise Bewertung für Echtzeitoptimierung
Kein integriertes Framework	Separate Prognose- und Qualitätsstudien20	Zusammenhang zwischen Gleichrichtung und Leistung	Integriertes Daten-zu-Performance-Verbesserungsrahmen
Unzureichende rechnergestützte Analyse	Genauigkeitsvergleiche nur20	Ausbildungseffizienz und Einsatzmachbarkeit	Rechenanalyse auf der T4-GPU über 5 Modelle hinweg

Tabelle 1: Forschungslücken, die in der aktuellen Studie behandelt wurden. Zusammenfassung bestehender Forschungsbeschränkungen, fehlender Elemente in der aktuellen Literatur und spezifischer Beiträge dieser Studie zur Schließung identifizierter Lücken in der CSP-Prognose und Datenqualitätsbewertung.

Protocol

Datensatzsammlung und -beschreibung
Der in dieser Forschung verwendete Datensatz (Abbildung 1) umfasst historische Aufzeichnungen, die für die Vorhersage von Solarenergie entscheidend sind. Der Datensatz umfasst tägliche Betriebsdaten eines 50-MW-konzentrierten Solarthermiekraftwerks, das von Megha Engineering and Infrastructures Limited (MEIL) betrieben wird und sich in der Nähe von Anantapur, Andhra Pradesh, Indien, befindet, das Parabolrinn-Konzentrierende Solarenergietechnologie (CSP) nutzt, die Direct Normal Irradiance (DNI) erfasst und Wärme über eine Wärmeübertragungsflüssigkeit (HTF) zur Stromerzeugung überträgt. Der Datensatz wurde vom 1. Januar 2015 bis zum 3. Oktober 2025 gesammelt und enthält sieben Schlüsselattribute, die zeitliche Informationen, Messungen der Sonneneinstrahlung und die Stromerzeugungsleistung erfassen. Zu den zeitlichen Attributen gehören 'Datum', das das Kalenderdatum im Standardformat angibt, 'Jahr', das das Jahr der Datenerhebung angibt, 'Monat' für die Monatsnummer, 'Tag', das den Tag des Monats angibt, und 'Julianischer Tag', der ein fortlaufendes Tagesnummerierungssystem für kontinuierliche zeitliche Analyse über das ganze Jahr hinweg bietet. Die primäre meteorologische Eingabevariable ist die 'DNI SUM', gemessen in kWh/m², die die gesamte Direct Normal Irradiance (DNI) darstellt, also die kumulierte Sonnenenergie pro Quadratmeter der Kollektorfläche, die als kritischer Faktor für die Wärmeumwandlungseffizienz des CSP-Kraftwerks dient. Die Zielvariable 'Tatsächliche Erzeugung', gemessen in kWh, erfasst die vom CSP-Kraftwerk erzeugte elektrische Leistung und spiegelt das Ergebnis des Umwandlungsprozesses von Solar-Wärme-Strom zu Strom wider. Diese Eigenschaften ermöglichen zusammen eine umfassende Analyse der Anlagenleistung, einschließlich der Bestimmung der thermischen Effizienz, der Modellierung der DNI-zu-Energie-Umwandlung, der Identifizierung atmosphärischer und wolkenbezogener Einflüsse durch Spektralanalyse, der Implementierung von Fehlerfrei-Korrekturprotokollen für die Sensorkalibrierung sowie der Entwicklung fortschrittlicher hybrider Machine-Learning-Prognosemodelle zur Optimierung der Echtzeitbetriebsplanung und zur Verbesserung der Gesamteffizienz und Zuverlässigkeit der CSP-Anlagen. Pflanzendetails sind verfügbar unter: https://solarpaces.nrel.gov/project/megha-solar-plant

Abbildung 1: Die obersten fünf Zeilen des Datensatzes. Beispieldaten, die die ersten Einträge des Solarstromerzeugungsdatensatzes zeigen, Eingabemerkmale und Zielvariablen darstellen, die für Modelltraining und -auswertung verwendet werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Datenvorbereitung
Die Studie verwendet Zeitreihendaten zur Solarerzeugung, die vom 01. Januar 2015 bis zum 10. März 2025 reichen. Um mögliche Qualitätsprobleme in den Anfangsjahren zu berücksichtigen und sich auf neuere Muster zu konzentrieren, wurden die Datensätze ab dem 1. Januar 2017 gefiltert. Zeitliche Spalten (Datum, Jahr, Tag) wurden auf Grundlage einer vorläufigen Korrelationsanalyse entfernt, die einen vernachlässigbaren Prädiktionswert zeigte. Fehlende Werte wurden mittels einer gleitenden Durchschnittstechnik imputiert, um zeitliche Kontinuität aufrechtzuerhalten und gleichzeitig Verzerrungen der zugrunde liegenden Muster zu minimieren. Drei Lag-Features wurden mit der Zielvariablen (Actual Generation (kW/h)) erstellt, um zeitliche Abhängigkeiten zu erfassen.

Datensatzaufteilung
Um ausgewogene und repräsentative Trainings-, Validierungs- und Testkohorten zu etablieren, wurde der vorverarbeitete Datensatz mittels einer stratifizierten Stichprobenmethode segmentiert. Dieser Ansatz stellte sicher, dass 70 % der Daten (Daten von 2091) für das Training zugewiesen wurden, während sowohl Validierungs- als auch Testsätze jeweils 15 % ausmachten (448 Daten pro Satz).

Datennormalisierung
Funktionen wurden mit StandardScaler standardisiert, während Zielwerte über MinMaxScaler auf den [0,1]-Bereich für die Stabilität neuronaler Netzwerke normalisiert wurden.

Modelltraining
Fünf Hybridmodelle (Random Forest-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU und CNN-Transformer) wurden für die Prognose der Solarerzeugung implementiert. Die Eingabedaten wurden in ein sequentielles Format umstrukturiert, das als (Beispiele, Zeitschritte, Merkmale) umgestaltet wurde, wobei Zeitschritte = 1 für die meisten Modelle sind, außer CNN-LSTM, das ein gleitendes Fenster von 15 Schritten verwendete. Trainings-, Validierungs- und Testsets wurden skaliert, wobei die zeitliche Ordnung erhalten blieb, um Datenlecks zu vermeiden. Alle Modelle werden mit 32 Chargen und 30 Epochen trainiert.

Random Forest-BiLSTM (Abbildung 2): Das vorgeschlagene Hybridmodell kombiniert ein bidirektionales Long Short-Term Memory-Netzwerk (BiLSTM) mit einem Random Forest (RF)-Regressor, um die Vorhersagegenauigkeit zu verbessern. Erstens wird das BiLSTM-Modell mit den Eingabezeitreihendaten trainiert, um zeitliche Muster zu erfassen und erste Vorhersagen zu generieren. Anschließend werden die Restfehler (Unterschiede zwischen tatsächlichen und vorhergesagten Werten) des BiLSTM berechnet. Ein Random Forest-Modell wird dann auf den ursprünglichen Eingabemerkmalen trainiert, um diese Residuen zu lernen und vorherzusagen. Um die Leistung des RF-Modells zu verbessern, werden die sechs wichtigsten Merkmale anhand von Merkmalsbedeutungswerten ausgewählt. Schließlich wird die korrigierte Vorhersage erhalten, indem die RF-vorhergesagten Residuen zu den BiLSTM-Ausgaben hinzugefügt werden. Dieser hybride Ansatz nutzt die Sequenzmodellierungsfähigkeit von BiLSTM und die Ensemble-Lernstärke von Random Forest, um eine bessere Verallgemeinerung und prädiktive Leistung zu erzielen.

Sei die Eingabesequenz im Zeitschritt t.

BiLSTM-Vorhersage:

, 

 

 

Residualberechnung: 

Residual Learning mit Random Forest: Lass Z⊂X die Top-K Features sein, die anhand der Merkmals-Importance ausgewählt werden.

 

Endgültige Prognose: 

Abbildung 2: Architektur des zufälligen wald-bidirektionalen Langzeitgedächtnismodells. Schematisches Diagramm, das die RF-BiLSTM-Hybridarchitektur illustriert und die Integration der Random Forest-Feature-Verarbeitung mit bidirektionalen LSTM-Schichten für das temporale Sequenzlernen zeigt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

CNN-LSTM (Abbildung 3): Das CNN-LSTM-Hybridmodell beginnt mit der Verarbeitung der Eingabesequenz mit einer 1D-Faltungsschicht, um lokale räumliche Merkmale zu extrahieren, gefolgt von einer LeakyReLU-Aktivierung, Batch-Normalisierung und maximalem Pooling. Die extrahierten Features werden dann durch einen Stapel von drei LSTM-Schichten geleitet, um zeitliche Abhängigkeiten zu lernen, wobei nach den ersten beiden LSTMs Schichtnormalisierung und Dropout zur Regularisierung angewendet werden. Der endgültige LSTM-Ausgang wird durch vollständig verbundene, dichte Schichten mit Aktivierung und Dropout geleitet und schließlich mit einem einzelnen Neuron auf den Ausgang abgebildet.

Sei die Eingabesequenz, wobei T das Zeitfenster und F die Anzahl der Merkmale ist.

CNN-Betrieb: 

Max-Pooling: 

LSTM-Zelle: 

 

Ausgabe:  

Abbildung 3: Architektur des CNN-LSTM-Modells. Strukturelle Darstellung des Hybridmodells des konvolutionellen neuronalen Netzwerks-Langzeit-Kurzzeitgedächtnisses, das eine konvolutionelle Merkmalsextraktion gefolgt von unidirektionaler temporaler Sequenzverarbeitung demonstriert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

CNN-BiLSTM (Abbildung 4): Das CNN-BiLSTM-Hybridmodell extrahiert zunächst räumliche Merkmale mittels einer 1D-Faltungsschicht mit 32 Filtern, gefolgt von Batch-Normalisierung und maximalem Pooling zur Reduzierung der Dimensionalität. Die Ausgabe wird dann durch einen Stapel von zwei bidirektionalen LSTM-Schichten geleitet, um langfristige zeitliche Abhängigkeiten sowohl in Vorwärts- als auch in Rückwärtsrichtung zu erfassen. Die Regularisierung erfolgt über Dropout und Batch-Normalisierung. Eine dichte Schicht mit 128 Neuronen verfeinert die gelernte Darstellung, bevor die endgültige Ausgabeschicht sie auf einen einzigen vorhergesagten Wert abbildet.

CNN-Betrieb: 

Max-Pooling:

Bidirektionales LSTM:  ,  

 

Ausgabe:  

Abbildung 4: Architektur des CNN-BiLSTM-Modells. Architekturdiagramm des Convolutional Neural Network-Bidirectional Long Short-Term Memory-Modells, das die Kombination von Faltungsschichten mit bidirektionaler rekurrierender Verarbeitung zur verbesserten zeitlichen Abhängigkeitserfassung hervorhebt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

CNN-GRU (Abbildung 5): Das CNN-GRU-Hybridmodell beginnt mit einer Conv1D-Schicht, die eine Kerngröße von 1 verwendet, um räumliche Merkmale aus dem einzelnen Zeitschritt zu extrahieren. Max-Pooling reduziert die räumlichen Dimensionen. Darauf folgt ein Stapel von GRU-Schichten: die erste gibt Sequenzen zurück, um zeitliche Abhängigkeiten zu erfassen, und die zweite fasst die Sequenz zu einer kompakten Darstellung zusammen. Eine endgültige dichte Schicht liefert den vorhergesagten Wert. Zwischen den GRU-Schichten wird eine Dropout-Regularisierung angewendet, um Überanpassungen zu verhindern.

CNN-Betrieb: 

Max-Pooling: 

GRU-Zelle:

Ausgabe:

Abbildung 5: Architektur des CNN-GRU-Modells. Schaltplan des Convolutional Neural Network-Gated Recurrent Unit Hybrid-Modells, das eine konvolutionelle Vorverarbeitung mit GRU-Schichten für effiziente temporale Modellierung zeigt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

CNN-Transformator (Abbildung 6) Das CNN-Transformator-Modell beginnt mit einer Conv1D-Schicht, um lokale Merkmale aus der Eingabesequenz zu extrahieren, gefolgt von einer maximalen Pooling-Schicht. Diese Funktionen werden durch einen Transformer-Encoder-Block geleitet, der aus einem Mehrkopf-Selbstbeobachtungsmechanismus, Schichtnormalisierung und einem vorwärtsdichten Netzwerk besteht. Anschließend wird globales Durchschnittspooling angewendet, bevor eine letzte dichte Schicht die Vorhersage liefert. Diese Architektur ist darauf ausgelegt, sowohl räumliche Muster (über CNN) als auch globale Abhängigkeiten (über Transformer Attention) zu erfassen.

CNN-Betrieb:

Mehrköpfige Selbstaufmerksamkeit:

Wobei: Q, K, V = XW^Q, XW^K, XW^V und d_k die Dimension der Schlüssel ist.

Feedforward-Netzwerk:

Hinzufügen und Norm-Schichten:

Ausgabe:

Abbildung 6: Architektur des CNN-Transformer-Modells. Struktureller Überblick über das Convolutional Neural Network-Transformer-Hybridmodell, das konvolutionale Merkmalextraktion mit Multi-Head-Attention-Mechanismen für fortgeschrittene zeitliche Mustererkennung integriert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Entwicklung des Ensemblemodells
Um die Prognosegenauigkeit und Modellrobustheit zu verbessern, implementierten wir einen gewichteten Durchschnittsensemble-Ansatz unter Verwendung von Vorhersagen aus den fünf hybriden Deep-Learning-Modellen: RF-BiLSTM, CNN-LSTM, CNN-BILSTM, CNN-GRU und CNN-Transformer. Das Ensemble wurde konstruiert, indem jedem Modell optimierte Gewichtungen zugewiesen wurden, wobei höhere Gewichtungen für Modelle mit überlegener individueller Leistung vergeben wurden, gemessen an ihren R²-Werten. Diese Gewichtungsstrategie stellt sicher, dass genauere Modelle wesentlich zur endgültigen Prognose beitragen und gleichzeitig die komplementären Stärken aller Architekturen nutzen. Das Ensemble-Ergebnis wurde anschließend mit Standardleistungskennzahlen bewertet: R², mittlerer absoluter Fehler (MAE) und mittlerer quadratischer Fehler (), um seine prädiktive Genauigkeit, Konsistenz und Verallgemeinerungsfähigkeit zu bewerten. Dieses Deep-Learning-Ensemble zielt darauf ab, zeitliche Merkmalextraktion aus mehreren Perspektiven zu integrieren und so eine größere Genauigkeit und Robustheit zu erreichen als jedes einzelne hybride Modell isoliert.

Mathematische Formulierung der Ensemble-Technik:

Lass

repräsentieren die Menge der Basismodelle, die CNN-RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU und CNN-Transformer entsprechen.

Jedes Basismodell M_i liefert eine Vorhersage:

Die Meta-Feature-Matrix für das Stapeln wird gebildet wie folgt:

Der Ridge-Regression-Meta-Learner schätzt die endgültige Vorhersage wie folgt:

wobei:

-- w_i sind die erlernten Stapelgewichte

-- w₀ ist der Verzerrungsterm

Um Überanpassungen zu vermeiden, minimiert die Ridge Regression die folgende regularisierte Verlustfunktion:

wobei:

-- y_j  = wahres Ziel für die^j-te Probe

-- N = Gesamtzahl der Stichproben

-- α = Regularisierungsparameter, der die Gewichtsschrumpfung steuert

Die Ensemble-Vorhersage wird wie folgt erhalten:

wobei die Gewichte w_i automatisch durch Minimierung der Ridge-Verlustfunktion ermittelt werden.

Results

Leistungsbewertung einzelner Modelle
Die Leistungsbewertung von fünf hybriden Deep-Learning-(DL)-Modellen RF-BiLSTM, CNN-GRU, CNN-BiLSTM, CNN-LSTM und CNN-Transformator wurde unter Verwendung eines umfassenden Satzes von Standardregressionsmetriken durchgeführt, darunter R² (Bestimmungskoeffizient), mittlerer absoluter Fehler (MAE) und mittlerer quadratischer Fehler (), um deren Fähigkeit zur Vorhersage der Solarstromerzeugung unter unterschiedlichen meteorologischen Bedingungen und zeitlichen Abhängi...

Discussion

Die vorgeschlagene Methodik folgt einem strukturierten Arbeitsablauf, wie in Abbildung 12 dargestellt. Anfangs wird der Datensatz umfassend vorverarbeitet, einschließlich fehlender Wertimputation, Normalisierung und Feature Engineering, um die Datenqualität sicherzustellen und das Modelllernen^{zu verbessern 3,6}. Der verarbeitete Datensatz wird dann in Trainingssätze (70 %), Validierung (15 %) und Testsätze (15 %) aufgeteilt, um eine r...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BiLSTM	TensorFlow/Keras	TensorFlow 2.10.0
CNN-Schichten	TensorFlow/Keras	TensorFlow 2.10.0
Google Colab	Google LLC	Cloud-Plattform
GRU	TensorFlow/Keras	TensorFlow 2.10.0
Matplotlib	Matplotlib-Entwicklungsteam	3.7.1
NumPy	NumFOCUS	1.25.2
NVIDIA T4 GPU	NVIDIA Corporation	Tesla T4
Pandas	NumFOCUS	2.0.3
Pyrheliometer zur DNI-Messung	Kipp & Zonen	CH1-DL
Python	Python Software Foundation	3.10.12
Zufälliger Wald	Scikit-learn-Entwickler	1.2.2
Scikit-learn	Scikit-learn-Entwickler	1.2.2
Temperatursensoren	Vaisala	HMP155
TensorFlow/Keras	Google	Version 2.10.0
Transformator	TensorFlow/Keras	TensorFlow 2.10.0
Wetterstation	Davis Instruments	Vantage Pro2