Abstract:
ในวิทยานิพนธ์ฉบับนี้ ผู้เขียนได้เสนอโมเดลการเรียนรู้ของเครื่องที่เกิดจากการผสานการทำนายร่วมกันระหว่างโมเดลที่ต่างชนิดกัน เพื่อปรับปรุงประสิทธิภาพการทำนายค่าพลังงานไฟฟ้าที่ผลิตได้จากเซลล์แสงอาทิตย์ให้มีความแม่นยำยิ่งขึ้น ในการศึกษาครั้งนี้ได้นำข้อมูลจากระบบฐานข้อมูลของโรงไฟฟ้าพลังงานแสงอาทิตย์ขนาด 5 เมกะวัตต์ ของการไฟฟ้าฝ่ายผลิตแห่งประเทศไทย (กฟผ.) ตั้งอยู่ที่ อ.ทับสะแก จ.ประจวบคีรีขันธ์ และข้อมูลสภาพอากาศย้อนหลังจากเว็บไซต์ Solcast และ OpenWeatherMap มาวิเคราะห์ความสัมพันธ์ เมื่อได้ตัวแปรที่ส่งผลกระทบต่อปริมาณการผลิตจึงนำข้อมูลย้อนหลังไปเรียนรู้ผ่านโมเดลการเรียนรู้ของเครื่องชนิดต่างๆ เพื่อนำผลการทำนายที่ได้มาเปรียบเทียบประสิทธิภาพการทำนายร่วมกับโมเดลที่เสนอโดยงานวิทยานิพนธ์ฉบับนี้ได้เสนอการทำนายร่วมกันโดยใช้โมเดลการวิเคราะห์การถดถอยเชิงเส้นและโมเดลแรนดอมฟอเรสต์ เพื่อเป็นการปรับปรุงประสิทธิภาพการทำนาย ผู้วิจัยได้เสนอการปรับจูนค่าไฮเปอร์พารามิเตอร์และเพิ่มโมเดลบูสท์ชนิดต่างๆ เพื่อเพิ่มประสิทธิภาพโมเดล เมื่อกระบวนการเรียนรู้เสร็จสิ้นนำโมเดลการเรียนรู้ที่ได้ไปทำนายข้อมูลชุดตรวจสอบและชุดทดสอบ จากนั้นจึงนำผลการทำนายที่ได้ไปประเมินประสิทธิภาพการทำนายโดยหาค่า MAE, RMSE และ R^2 ระหว่างค่าพลังงานไฟฟ้าที่ผลิตได้จริงกับผลที่ได้จากการทำนาย จากผลการทำนายพบว่าโมเดลการเรียนรู้ของเครื่องที่เสนอในการทดลองนี้ให้ประสิทธิภาพสูงที่สุดโดยมีค่า R^2 มากกว่า 94% ซึ่งแสดงถึงความสามารถในการทำนายที่ดี ซึ่งส่งผลให้การนำข้อมูลผลการทำนายที่ได้ไปวิเคราะห์แนวโน้มการผลิตเพื่อเพิ่มประสิทธิภาพในการจัดการพลังงานดียื่งขึ้น
