نظام تنبؤ ذكي لتعظيم الطاقة المتجددة بالاعتماد على تطوير ميكانيكية تعزيز الانحدار (DGBM)

الباحث

زينب خيرالله الجنابي

المشرف

سماهر حسين علي الجنابي

الجامعة

جامعة بابل

الكلية / القسم

كلية العلوم للبنات / علوم الحاسوب

الشهادة

ماجستير

السنة

2022

لغة الرسالة

انكليزي

الكلمات المفتاحية

Renewable Energy ; Gradient Boosting Machine ; Intelligent Prediction ; Data Mining

شهد العالم خلال العقود الاخيرة توسع كبير في عالم التكنولوجيا والالكترونيات بالإضافة الى التطور الهائل الحادث في الصناعات المختلفة مما ادى الى زيادة الاحتياج الى الطاقة الكهربائية بشكل ملحوظ وكانت الطاقة المتجددة المتولدة من مصادر صديقة للبيئة مثل الطاقة( الشمسية، colpall طواحين el sell وغيرها) هي الحل البديل لتوفير تلك الطاقة وخاصة بانها طاقة نظيفة لا تسبب انبعاث غاز ثاني اوكسيد الكاربون الذي يسبب تلوث الهواء والبيئة بشكل عام. تقدم هذه الرسالة نموذج برمجي لإنتاج اكبر كمية من الطاقة من خلال تطوير لواحدة من افضل تقنيات التنبؤ واستخدام دوال هدف متعددة المعاملات. حيث يتألف النموذج المقترح المسمى 7111-4 من عدة مراحل ويعالج اثناء ذلك العديد من التحديات الاساسية التحدي الاول هو برمجي حيث على الرغم من ان ال GBM هي افضل تقنية تنبؤ الا ان جزء اتخاذ القرار بها وهو ال DT مما يجعلها بطيئة نوعا ما وتحتاج الى تحديد aac الاشجار وعمق الشجرة وعدد العقد الختامية في كل شجرة. تجاوز النموذج المقترح هذه المشكلة باستبدال ال Kernel ل GBM بدوال هدف متعددة المعاملات. اما التحدي الثاني فهو يتعلق بالتطبيق نفسه والتضمن كيفية انتاج اكبر كمية من الطاقة الكهربائية من الخلايا الشمسية بأعلى دقة واقل وقت تنفيذ. يتألف النموذج المقترح من اربع مراحل: مرحلة استحصال البيانات واجراء معالجة اولية عليها تضمنت : فحصها اذا كانت تحتوي على ad مفقودة، حساب الترابط ما بين الخصائص والهدف وتقسيم البيانات الى فترات مختلفة وحذف الفترات المتكررة. مرحلة بناء المتنبئ الذي اعتمد على استبدال ال Kernel ل GBM بأربع دوال مختلفة متعددة المعاملات حيث كانت تلك هي المعاملات الاعلى ترابط مع الهدف واعتمدت قيمة عتبة 0.95 كتحديد اهمية الخاصية (المعاملات)؛ المرحلة الاخيرة تم تقييم نتائج المتنبئ باستخدام عدة مقاييس لتحديد دقة النتائج التي تم التوصل اليها وتم استخدام كلا من " 12 MSE, RMSE, " . امتاز النموذج المقترح بإعطاء افضل النتائج باستخدام دالة ذات ثلاث معاملات ل Kernel ال Gils 5GBM تلك المعاملات هي (AC, TEM, and IRR) حيث كان مقياس (R2=0.9742) بينما ) (MSE=0.0099 و )0.0522 (RMSE= استغرق تنفيذ النظام Ms. 80 على حاسبة Core 5 بلغة برمجة 3.8.13 Python

In recent decades, the world has witnessed a great expansion in the world of technology and electronics, in addition to the tremendous development in various industries, which has led to an increase in the need for electrical energy significantly. Renewable energy generated from environmentally friendly sources such as energy (solar, water, windmills, etc.) is the solution. The alternative is to provide that energy, especially as it is clean energy that does not cause the emission of carbon dioxide, which pollutes the air and the environment in general. This thesis presents a software model for producing the largest amount of energy by developing one of the best prediction techniques and using multi-parameter objective functions. Where the proposed model called ZME-DGBM consists of several stages and addresses many basic challenges during that. The first challenge is software. Although GBM is the best prediction technique, the decision-making part of it is the DT, which makes it somewhat slow and needs to be determined. Number of trees, tree depth, and number of closing nodes in each tree. The proposed model bypasses this problem by replacing the GBM kernel with multi- parameter target functions. As for the second challenge, it is related to the application itself and to include how to produce the largest amount of electrical energy from solar cells with the highest accuracy and the least implementation time. The proposed model consists of four stages: the stage of data acquisition and preliminary processing, which included: checking it if it contains missing values, calculating the correlation between the characteristics and the target, dividing the data into different periods and deleting the recurring periods. The stage of constructing the predictor, which relied on replacing the GBM kernel with four different multi- parameter functions, as these were the parameters with the highest correlation with the goal, and a threshold value of 0.95 was adopted as determining the importance of the characteristic (parameters). It was reached and both "MSE, RMSE, R2, " were used. The proposed model was characterized by giving the best results by using a three-parameter function MPF4 for the GBM Kernel and those

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب