一个国际科学团队已经应用人工智能来提高发电厂将太阳能转化为电能的效率。这项研究是在一个真正的发电厂中进行的，在那里引入了新的方法，研究结果发表在一个高级科学杂志上（Q1）。
该研究由来自彭亨大学（马来西亚）、雷杰普·塔伊普·埃尔多安大学（土耳其）和南乌拉尔国立大学（俄罗斯）的科学家进行。来自南乌拉尔国立大学的技术科学博士、电气站、网络和供电系统系教授伊琳娜·基尔皮奇尼科娃和高级研究员、苏达卡尓·库玛拉萨米博士参与了这项研究。
可再生能源发电厂的发电量与传统火力和核能发电厂的发电量不同，主要是由于一次能源供应的间歇性。面对日照、风速和温度等环境参数的变化，很难预测发电量。
“能源供应的不一致会影响发电厂的发电量和生产力。例如，众所周知，环境温度仅升高1度会使能量产生减少 0.5%。就大型太阳能电站的规模而言，这是一个相当严重的问题。有许多研究致力于解决这个问题，但大多数只是简单地说明问题。我们开发了一个预测年发电量的模型，并确定了现有发电厂的性能因素，同时使用人工智能将气候因素考虑在内。”伊琳娜·基尔皮奇尼科娃说。
在开发预测模型时，使用了三种数据驱动的人工智能方法：自适应神经模糊数据推理系统 (ANFIS)、响应面方法 (RSM) 和人工神经网络 (ANN)。 基于人工智能的方法在预测天气和可再生能源装置的性能方面具有更大的潜力，从而提高它们的效率。
“这项联合研究是远程进行的，结果是根据对位于喀拉拉邦（印度）库扎尔曼名的一个容量为2兆瓦的太阳能光伏电站三年数据的处理得出的，那里气候炎热，季风降雨. 在苏达卡尓·库玛拉萨米博士的指导下，研究生在马来西亚进行了现场测试。三种预测方法的比较研究表明，自适应神经模糊推理系统是预测性能系数的最准确模型，”伊琳娜·基尔皮奇尼科娃评论道。
所开发的发电量预测模型对于太阳能发电领域专家、研究人员和太阳能发电厂的开发商来说，无疑具有重要意义。利用人工智能工具准确预测太阳能发电量，对其他来源和其他电力公司或发电应用的负荷调度和容量规划中心来说是重要且有用的信息。
科学家们正在计划对地球上的寒冷地区，特别是俄罗斯北部的条件进行类似的研究。开发一种先进的机器学习算法来预测太阳能，仍然是一个热门话题。在这种情况下，研究的价值将是预测发电厂在其生命周期中的性能下降。该研究得到了马来西亚彭亨大学的财政支持。
其中一个主导项目是战略项目“后工业聚集区的生态环境”。该项目旨在通过减少温室气体和其他有害于生态系统的污染物来改善俄罗斯后工业集聚区的环境。
南乌拉尔国立大学 (SUSU) 是一所数字化转型大学，在许多主要的领域引领创新研究，发展科学技术。学校按照俄罗斯联邦科技发展战略，重点发展数字工业、材料科学和生态学领域的大型科学交叉学科项目。2021年，南乌拉尔国立大学入选优先-2030计划。该大学履行乌拉尔世界级跨区域科学和教育中心区域项目办公室的职能，旨在实现国家项目 "科学和大学 "的目标。