แบบจำลองการพยากรณ์การผลิตพลังงานแสงอาทิตย์บนทุ่นลอยน้ำ โดยอาศัยวิธีการหน่วยความจำระยะสั้นแบบยาวและเอ็กซ์ตรีมเกรเดียนต์บูสติ้ง

Abstract

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ (1) ศึกษาวิธีการและสร้างแบบจำลองการพยากรณ์การผลิตพลังงานแสงอาทิตย์บนทุ่นลอยน้ำ โดยอาศัยวิธีการหน่วยความจำระยะสั้นแบบยาวและเอ็กซ์ตรีมเกรเดียนต์บูสติ้ง และ (2) ประเมินประสิทธิภาพของแบบจำลองการพยากรณ์การผลิตพลังงานแสงอาทิตย์บนทุ่นลอยน้ำ โดยอาศัยวิธีการหน่วยความจำระยะสั้นแบบยาวและเอ็กซ์ตรีมเกรเดียนต์บูสติ้ง วิธีการวิจัยดำเนินตามกระบวนการเรียนรู้เชิงลึก (Deep Learning) ซึ่งประกอบด้วย 3 ขั้นตอนหลัก ดังนี้ ขั้นตอนแรก เก็บรวบรวมข้อมูลการผลิตพลังงานไฟฟ้าและข้อมูลจากเซนเซอร์ของโรงไฟฟ้าพลังงานแสงอาทิตย์บนทุ่นลอยน้ำ ขนาดกำลังการผลิต 45 เมกะวัตต์ ในช่วงเดือนกุมภาพันธ์ ถึง ตุลาคม พ.ศ. 2566 จำนวน 6,511 ระเบียน และ 11 คุณลักษณะ ขั้นตอนที่สอง การคัดเลือกคุณลักษณะและการจำแนกประเภท โดยประยุกต์ใช้วิธีการแบบผสมผสานด้วยอัลกอริทึมการเรียนรู้เชิงลึก 2 อัลกอริทึม ได้แก่ 1) หน่วยความจำระยะสั้นแบบยาว (LSTM) สำหรับการจดจำข้อมูลในระยะยาวตามอนุกรมเวลา และ 2) เอ็กซ์ตรีมเกรเดียนต์บูสติ้ง (XGBoost) สำหรับการเรียนรู้จากชุดข้อมูลที่ไม่แน่นอนและการพยากรณ์ที่มีประสิทธิภาพสูง และขั้นตอนที่สาม การประเมินประสิทธิภาพของแบบจำลองโดยใช้ตัวชี้วัด ได้แก่ การวัดค่าเฉลี่ยของผลต่างสัมบูรณ์ (MAE) ค่าเฉลี่ยความผิดพลาดกำลังสอง (MSE) และรากที่สองของค่าเฉลี่ยความผิดพลาดกําลังสอง (RMSE) สำหรับค่าผลลัพธ์ที่ได้จากแบบจำลองการพยากรณ์ ได้ค่า MAE เฉลี่ย 0.0577, MSE เฉลี่ย 0.0143 และ RMSE เฉลี่ย 0.1196 ซึ่งแสดงถึงค่าที่เหมาะสมในสถานการณ์จริง