Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
https://hdl.handle.net/123456789/1018
Τύπος: | Άρθρο σε επιστημονικό περιοδικό |
Τίτλος: | Site adaptation of global horizontal irradiance from the Copernicus Atmospheric Monitoring Service for radiation using supervised machine learning techniques. |
Συγγραφέας: | [EL] Σαλαμαλίκης, Βασίλειος[EN] Salamalikis, Vasileios [EL] Τζουμανίκας, Παναγιώτης[EN] Tzoumanikas, Panagiotis [EL] Αργυρίου, Αθανάσιος[EN] Argiriou, Athanassios [EL] Καζαντζίδης, Ανδρέας[EN] Kazantzidis, Andreas |
Ημερομηνία: | 11/06/2022 |
Περίληψη: | Satellite and reanalysis-derived solar products have gained great attention due to the inadequate number of radiometric stations worldwide, however, they are associated with considerable uncertainties. This study deals with the ground-based validation of Global Horizontal Irradiance from CAMS radiation service (GHICAMS) and the application of supervised machine learning algorithms (MLAs) to site-adapt GHICAMS. The validation of GHICAMS against measurements shows significant systematic and dispersion errors for all-sky (nMBE ¼ 4.9% and nRMSE ¼ 15.7%) and cloudy conditions (nMBE ¼ 17.6% and nRMSE ¼ 38.8%). Under clear skies, CAMS performs adequately (nMBE <1% and nRMSE <5%). All MLAs lead to reduced errors for the site-adapted irradiances. MBE is improved by more than 50%, accompanied by significant reductions in RMSE for various solar zenith angles and cloud fractions. The best results are revealed for the tree-based MLAs and especially for Random Forests |
Γλώσσα: | Αγγλικά |
Σελίδες: | 15 |
DOI: | 10.1016/j.renene.2022.06.043 |
Θεματική κατηγορία: | [EL] Μετεωρολογία και Επιστήμες της ατμόσφαιρας[EN] Meteorology and Atmospheric Sciences |
Λέξεις-κλειδιά: | Global Horizontal Irradiance; CAMS-Rad; Clear sky detection; Site-adaptation; Supervised machine learning algorithms; Goodness-of-fit statistics |
Κάτοχος πνευματικών δικαιωμάτων: | © 2022 Elsevier Ltd. All rights reserved. |
Ηλεκτρονική διεύθυνση του τεκμηρίου στον εκδότη: | https://www.sciencedirect.com/science/article/pii/S0960148122008758?via%3Dihub |
Ηλεκτρονική διεύθυνση περιοδικού: | https://www.sciencedirect.com/journal/renewable-energy |
Τίτλος πηγής δημοσίευσης: | Renewable Energy |
Τόμος: | 195 |
Σελίδες τεκμηρίου (στην πηγή): | 92-106 |
Σημειώσεις: | This research is co-financed by Greece and the European Union (European Social Fund- ESF) through the Operational Programme « Human Resources Development, Education and Lifelong Learning 2014e2020» in the context of the project “Spatiotemporal variations in the estimation and forecasting of cloudiness and solar radiation using high-resolution satellite and groundbased data (HIRES)” (MIS 81118). |
Εμφανίζεται στις συλλογές: | Ερευνητικές ομάδες |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Σελίδες | Μέγεθος | Μορφότυπος | Έκδοση | Άδεια | |
---|---|---|---|---|---|---|---|
74_Salamalikis_Site adaptation of GHI from CAMS_RE2022.pdf | 3.03 MB | Adobe PDF | - | Δείτε/ανοίξτε |