خوارزمية k-Nearest Neighbors للتنبؤ بالطاقة الكهروضوئية

قفز إلى المحتوى استخدم العلماء في العراق خوارزمية k-Nearest Neighbors لتقييم الحالة التشغيلية للوحدات الكهروضوئية في ظل ظروف مختلفة، بما في ذلك الظل الجزئي، الدوائر المفتوحة، وسيناريوهات الدوائر القصيرة. وجدوا أن الأداء العام للنموذج في التنبؤ بإنتاج الطاقة كان “دقيقا بشكل ملحوظ”. 23 يوليو 2024. التصنيف k-NN المستخدم في البحث. الصورة: جامعة التكنولوجيا – العراق، e-Prime – التقدم في الهندسة الكهربائية والإلكترونيات والطاقة، ترخيص مشترك CC BY 4.0. استخدم العلماء من جامعة التكنولوجيا العراقية خوارزمية k-Nearest Neighbors (k-NN) للتعلم الآلي لتصنيف الحالة التشغيلية للألواح الكهروضوئية وتنبؤ بجهد الكهروضوئي والتيار والطاقة المخرجة. من الناحية العملية، يمكن أن نفهم أن الخوارزمية تتوقع تسمية نقطة بيانات جديدة استناداً إلى تصويت الأغلبية أو متوسط أقرب جيرانها ‘k’ في مساحة الميزات”.