کتاب صوتی یادگیری ماشین برای پیش‌بینی تولید انرژی خورشیدی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین برای پیش‌بینی تولید انرژی خورشیدی

موضوع کلی: هوش مصنوعی و یادگیری ماشین پیشرفته

موضوع میانی: یادگیری ماشین برای توسعه انرژی‌های تجدیدپذیر

📋 سرفصل‌های دوره

• 1. اهمیت پیش‌بینی تولید خورشیدی در بهره‌برداری شبکه و بازار برق
• 2. اصول تولید توان در سامانه‌های فتوولتائیک
• 3. اجزای تابش خورشیدی و اثر آن‌ها بر خروجی پنل
• 4. هندسهٔ خورشید و مدل‌های آسمان صاف
• 5. اثر دما، سایه‌اندازی، آلودگی سطح پنل، برف و افت عملکرد
• 6. تعریف افق‌های پیش‌بینی لحظه‌ای، کوتاه‌مدت، میان‌مدت و بلندمدت
• 7. کاربردهای عملیاتی پیش‌بینی در هر افق زمانی
• 8. تعریف متغیر هدف: توان AC، انرژی DC و تولید نرمال‌شده
• 9. پیش‌بینی قطعی، احتمالاتی و سناریویی
• 10. معیارهای ارزیابی خطای پیش‌بینی توان و انرژی
• 11. معیارهای ارزیابی عدم‌قطعیت، احتمال پوشش و رویدادهای رمپ
• 12. مدل‌های پایه: ماندگاری، آسمان صاف، میانگین اقلیمی و فصلی
• 13. معماری داده و اجزای سامانهٔ پیش‌بینی
• 14. داده‌های SCADA، اینورتر و حسگرهای نیروگاهی
• 15. داده‌های ایستگاه‌های هواشناسی و تابش‌سنجی زمینی
• 16. داده‌های ماهواره‌ای برای پایش ابر و تابش
• 17. داده‌های پیش‌بینی عددی هواشناسی (NWP)
• 18. تصاویر دوربین تمام‌آسمان برای پیش‌بینی بسیار کوتاه‌مدت
• 19. داده‌های باز و مجموعه‌داده‌های استاندارد پیش‌بینی خورشیدی
• 20. هم‌زمان‌سازی زمانی، مکان‌یابی و تراز داده‌های ناهمگن
• 21. اعتبارسنجی و کنترل کیفیت داده‌های حسگرها
• 22. مدیریت داده‌های گمشده، نویز و خطاهای آشکار
• 23. مدل‌سازی آسمان صاف و استخراج شاخص ابری
• 24. مهندسی ویژگی‌های زمانی، تقویمی و چرخه‌ای
• 25. ویژگی‌های هندسهٔ خورشید و مسیر تابش
• 26. ویژگی‌های هواشناسی مؤثر بر تابش و راندمان پنل
• 27. ویژگی‌های پیکربندی نیروگاه و تلفات تبدیل توان
• 28. برچسب‌گذاری رویدادهای رمپ، محدودسازی تولید و توقف تجهیز
• 29. روش‌های صحیح تقسیم داده‌های سری زمانی به آموزش، اعتبارسنجی و آزمون
• 30. جلوگیری از نشت داده و بیش‌برازش در ارزیابی سری‌های زمانی
• 31. انتخاب ویژگی، تنظیم مدل و اعتبارسنجی چرخه‌ای زمانی
• 32. رگرسیون خطی و مدل‌های تعمیم‌یافته برای خط‌مبنای یادگیری ماشین
• 33. درخت تصمیم، جنگل تصادفی و مدل‌های مجموعه‌درختی
• 34. گرادیان بوستینگ با XGBoost، LightGBM و CatBoost
• 35. ماشین بردار پشتیبان و فرایندهای گاوسی
• 36. مدل‌های کلاسیک سری زمانی برای پیش‌بینی بسیار کوتاه‌مدت
• 37. بازنمایی داده‌های دنباله‌ای برای مدل‌های یادگیری عمیق
• 38. شبکه‌های LSTM و GRU در پیش‌بینی تولید خورشیدی
• 39. شبکه‌های کانولوشنی زمانی (TCN) برای الگوهای دنباله‌ای
• 40. شبکه‌های کانولوشنی برای تصاویر ماهواره‌ای و تمام‌آسمان
• 41. برآورد حرکت ابر با روش‌های جریان نوری
• 42. معماری‌های ConvLSTM برای داده‌های مکانی ـ زمانی
• 43. مکانیزم توجه و ترنسفورمرها در پیش‌بینی چندمتغیره
• 44. شبکه‌های عصبی گرافی برای پیش‌بینی ناوگان نیروگاه‌ها
• 45. مدل‌های ترکیبی فیزیک‌آگاه برای ادغام قوانین فتوولتائیک
• 46. پس‌پردازش خروجی NWP با یادگیری ماشین
• 47. یادگیری انتقالی و سازگاری دامنه بین سایت‌ها و اقلیم‌ها
• 48. یادگیری چندسایتی و چندوظیفه‌ای برای بهبود تعمیم‌پذیری
• 49. مدل‌های چندخروجی و چندافقی برای پیش‌بینی هم‌زمان
• 50. ترکیب مدل‌ها، استکینگ و روش‌های Ensemble
• 51. پیش‌بینی چندثانیه‌ای تا چنددقیقه‌ای با داده‌های زمینی
• 52. پیش‌بینی اکنون با ردیابی ابر در تصاویر ماهواره‌ای
• 53. پیش‌بینی اکنون با پردازش تصاویر دوربین تمام‌آسمان
• 54. پیش‌بینی درون‌روزی با داده‌های عددی هواشناسی
• 55. پیش‌بینی روز آینده با تلفیق داده‌های هواشناسی و عملکرد نیروگاه
• 56. پیش‌بینی هفتگی و فصلی تولید با الگوهای اقلیمی
• 57. رگرسیون چندهک‌ای برای ساخت بازه‌های پیش‌بینی
• 58. پیش‌بینی عدم‌قطعیت با روش‌های بیزین و Deep Ensemble
• 59. کالیبراسیون، تیزی و قابلیت اعتماد توزیع‌های پیش‌بینی
• 60. تولید سناریوهای تولید برای برنامه‌ریزی شبکه و ذخیره‌ساز
• 61. آشکارسازی و پیش‌بینی رویدادهای رمپ تولید
• 62. مدل‌سازی گذراهای سریع ابری و شرایط آب‌وهوایی حدی
• 63. پیش‌بینی آگاه از محدودسازی تولید، خرابی و دسترسی نیروگاه
• 64. پیش‌بینی سامانه‌های فتوولتائیک پشت‌بامی و پراکنده
• 65. پیش‌بینی نیروگاه‌های فتوولتائیک بزرگ‌مقیاس
• 66. تجمیع فضایی و پیش‌بینی ناوگان چندنیروگاهی
• 67. پیش‌بینی منطقه‌ای تولید خورشیدی با پوشش عدم‌قطعیت
• 68. طراحی خط لولهٔ استنتاج بلادرنگ و مدیریت تأخیر داده
• 69. پایش مدل، ثبت نسخه و MLOps عملیاتی
• 70. تشخیص رانش داده و راهبردهای آموزش مجدد
• 71. تفسیرپذیری مدل با اهمیت ویژگی و SHAP
• 72. ترجمهٔ عدم‌قطعیت پیش‌بینی به تصمیم‌های بهره‌برداری
• 73. بهره‌گیری از پیش‌بینی در دیسپاچ شبکه و مدیریت تعادل
• 74. پیش‌بینی تولید برای شرکت در بازار برق و تعیین استراتژی پیشنهاد
• 75. هماهنگی پیش‌بینی خورشیدی با باتری و سایر منابع تجدیدپذیر
• 76. ارزیابی اقتصادی دقت، عدم‌قطعیت و ارزش عملیاتی مدل
• 77. طراحی پروتکل بنچمارک و مقایسهٔ عادلانهٔ مدل‌ها
• 78. ارزیابی تعمیم بین فصل‌ها، سایت‌ها و شرایط جوی نادر
• 79. آزمون حذف ویژگی، تحلیل خطا و تکرارپذیری آزمایش‌ها
• 80. پیاده‌سازی پروژهٔ پایان‌به‌پایان پیش‌بینی تولید یک نیروگاه خورشیدی