Abstract
Күн энергиясы таза электр энергиясын өндіруде маңызды рөл атқарады және болашақтың интеллектуалды электр желілері үшін негіз бола алады. Алайда оның құбылмалылығы мен ауа-райына тәуелділігі электр желілерінің тұрақты жұмыс істеуі мен оларды басқаруда қиындықтар туғызады. Күн энергиясының тұрақсыз генерациясының электр желілеріне әсерін азайту үшін фотоэлектрлік қондырғылардың қуатын қысқа мерзімді болжаудың нақты әдістерін жасау қажет. Мақалада терең оқыту әдістерін қолдана отырып, фотоэлектрлік электр станцияларының қуатын қысқа мерзімді болжау әдісіне, атап айтқанда күн энергиясы туралы деректерді болжау қабілетімен бағаланатын қысқа мерзімді жады бар ұзақ мерзімді желіге (LSTM) назар аударылады. LSTM желісінің өнімділігі орташа абсолютті қателік (MAE), орташа абсолютті пайыздық қателік (MAPE), орташа квадраттық қателік (RMSE) және анықтау коэффициенті (R2) бойынша көп қабатты перцептронмен (MLP) салыстырылады. Зерттеу нәтижелері мұны көрсетеді LSTM желі фотоэлектрлік станцияларды тиімдірек пайдалануға мүмкіндік беретін әртүрлі күндер үшін ең дәл болжамдарды ұсынады. Осылайша, терең оқыту мен энергия тиімділігінің үйлесімі энергетикалық тұрақтылықты және электр энергетикасы секторын цифрландыруды ілгерілету үшін айтарлықтай перспективаларға ие болып көрінеді.