Study and forecast of solar radiation using hybrid models

Abstract

Solar irradiation prediction is essential to the planning and development of solar energy systems. especially in regions characterized by a dry climate such as southern Algeria. This thesis investigates the performance of different forecast models in predicting daily global solar radiation (GSR) across six cities in the region: Adrar, Ouargla, Béchar, El Oued, Timimoun, and Tamanrasset. Artificial neural networks (ANN), GA-ANN, and FFA-ANN—are evaluated for their accuracy and reliability. The study reveals that the hybrid prediction models we developed, FFA-ANN and GA-ANN, outperform standalone ANN models in terms of prediction accuracy across all sites. While the GA-ANN model optimizes the network weights when predicting GSR, the FFA-ANN model chooses the best combination set of inputs for each site to ensure the best performance of the model. The two models achieved very good statistical indicators results , the coefficient of determination (R=0.9076 for GA-ANN, and R=0.9321 for FFA-ANN), and the average absolute percentage error (MAPE), and relative root mean square error (rRMSE). Furthermore, the research highlights the significance of input parameters such as extraterrestrial solar irradiation (H0), declination, average temperature (Tavg), and relative humidity (RH) in enhancing the predictive capabilities of the ANN model. The findings underscore the potential of hybrid forecasting models in optimizing solar radiation forecasting and facilitating informed decision-making in solar energy system installations and sizing. Overall, this thesis contributes valuable insights into the development and application of hybrid forecasting models for solar radiation forecasting in arid climates. By leveraging advanced optimization techniques and comprehensive data analysis, the study lays the foundation for enhancing the efficiency and effectiveness of solar energy systems in southern Algeria and similar regions worldwide.

يلعب التنبؤ بالإشعاع الشمسي دورًا محوريًا في تصميم أنظمة الطاقة الشمسية وتحسينها، خاصة في المناطق التي تتميز بالمناخ الجاف مثل جنوب الجزائر. تبحث هذه الأطروحة في أداء نماذج التنبؤ المختلفة في تقدير الإشعاع الشمسي العالمي اليومي (G) عبر ست مدن في المنطقة: أدرار، ورقلة، بشار، الوادي، تيميمون، وتمنراست. تم تقييم أساليب متميزة - الشبكات العصبية الاصطناعية (ANN)، وشبكة (GA-ANN) القائمة على دمج الخوارزمية التحسين الجينية، وشبكة (FFA-ANN) القائمة على دمج خوارزمية التحسين اليراع - للتأكد من دقتها وموثوقيتها. تكشف الدراسة أن نماذج التنبؤ الهجينة، التي قمنا بتطويرها FFA-ANN وGA-ANN، تتفوق على نماذج ANN المستقلة من حيث دقة التنبؤ عبر جميع المواقع. في حين يقوم النموذج GA-ANN على تحسين اوزان الشبكة في التنبؤ بـ GSR ، يقوم النموذج FFA-ANN باختيار احسن مجموعة مدخلات مناسبة لكل موقع لضمان احسن أداء للنموذج، حيث حقق النموذجين قيمًا جيدة جدا في المؤشرات الإحصائية مثل معامل التحديد (R=0.9076 لـ GA-ANN،و R=0.9321 لـ ( FFA-ANN، متوسط النسبة المئوية للخطأ المطلق(MAPE) ، والجذر النسبي يعني خطأ مربع(rRMSE) . والجدير بالذكر أن FFA-ANN يُظهر أداءً قويًا في تقدير GSR اليومي، مما يُظهر قدرته على التكيف مع الظروف المناخية المختلفة.علاوة على ذلك، يسلط البحث الضوء على أهمية معلمات المدخلات مثل الإشعاع الشمسي خارج الأرض (H0)، والانحراف، ومتوسط درجة الحرارة (Tavg)، والرطوبة النسبية RH)) في تعزيز القدرات التنبؤية لنموذج ANN في المناطق الجافة. تؤكد النتائج على إمكانات نماذج التنبؤ الهجينة في تحسين التنبؤ بالإشعاع الشمسي وتسهيل اتخاذ القرارات في تركيبات نظام الطاقة الشمسية وحجمها. وبشكل عام، تساهم هذه الأطروحة برؤى قيمة في تطوير وتطبيق نماذج التنبؤ الهجينة للتنبؤ بالإشعاع الشمسي في المناخات القاحلة. ومن خلال الاستفادة من تقنيات التحسين المتقدمة والتحليل الشامل للبيانات، تضع الدراسة الأساس لتعزيز كفاءة وفعالية أنظمة الطاقة الشمسية في جنوب الجزائر والمناطق المماثلة في جميع أنحاء العالم.

Solar irradiation prediction is essential to the planning and development of solar energy systems. especially in regions characterized by a dry climate such as southern Algeria. This thesis investigates the performance of different forecast models in predicting daily global solar radiation (GSR) across six cities in the region: Adrar, Ouargla, Béchar, El Oued, Timimoun, and Tamanrasset. Artificial neural networks (ANN), GA-ANN, and FFA-ANN—are evaluated for their accuracy and reliability. The study reveals that the hybrid prediction models we developed, FFA-ANN and GA-ANN, outperform standalone ANN models in terms of prediction accuracy across all sites. While the GA-ANN model optimizes the network weights when predicting GSR, the FFA-ANN model chooses the best combination set of inputs for each site to ensure the best performance of the model. The two models achieved very good statistical indicators results , the coefficient of determination (R=0.9076 for GA-ANN, and R=0.9321 for FFA-ANN), and the average absolute percentage error (MAPE), and relative root mean square error (rRMSE). Furthermore, the research highlights the significance of input parameters such as extraterrestrial solar irradiation (H0), declination, average temperature (Tavg), and relative humidity (RH) in enhancing the predictive capabilities of the ANN model. The findings underscore the potential of hybrid forecasting models in optimizing solar radiation forecasting and facilitating informed decision-making in solar energy system installations and sizing. Overall, this thesis contributes valuable insights into the development and application of hybrid forecasting models for solar radiation forecasting in arid climates. By leveraging advanced optimization techniques and comprehensive data analysis, the study lays the foundation for enhancing the efficiency and effectiveness of solar energy systems in southern Algeria and similar regions worldwide.