TY -的A2 Hupkes Jurgen盟——Kabilan r . AU - Chandran诉盟——Yogapriya j . AU - Karthick Alagar AU -甘地,Priyesh p . AU - Mohanavel诉盟——Rahim Robbi AU - Manoharan, s . PY - 2021 DA - 2021/04/28 TI -短期功率预测建筑集成光伏(BIPV)系统基于机器学习算法的SP - 5582418六世- 2021 AB -最大的挑战之一是确保大型光伏系统集成到建筑物。这项工作的目的是提出一个有关建筑的建筑一体化光伏系统功率预测不同方向基于机器学习的数据科学工具。该预测方法包括数据质量阶段,机器学习算法,气象聚类评估,评估准确性。结果表明,应用线性回归系数的预测输出光伏发电发展神经网络提高了光伏发电的预测输出。最终的模型是准确预测,展示在NN的均方根误差4.42%,在树QSVM 16.86%, 8.76%。结果给出了与建筑立面和屋顶应用程序如平屋顶、南立面,东立面和西立面。SN - 1110 - 662 - 2021/5582418 / 10.1155 x你——https://doi.org/10.1155/2021/5582418——摩根富林明——国际期刊Photoenergy PB - Hindawi KW - ER