A Machine Learning Approach to Low-Cost Photovoltaic Power Prediction Based on Publicly Available Weather Reports

Energies — Open Access Journal 2020, 13(3), 735, 07.02.2020; DLR-Institut für Vernetzte Energiesysteme e. V. mit Hammer Real GmbH; Autoren DLR: Nailya Maitanova, Jan-Simon Telle, Benedikt Hanke, Thomas Schmidt, Karsten von Maydell, Carsten Agert; Hammer Real: M. Grottke.

https://doi.org/10.3390/en13030735

Wissenschaftlicher Artikel zur Entwicklung eines 24 Stunden “Low-Cost” PV-Prognose Algorithmus, basierend auf frei Verfügbaren Wetterdaten unter Einsatz von Algorithmen des maschinellen Lernens.  Für den weiteren Einsatz im lokalen und cloud-basierten Lastmanagement des EMGIMO Pilotgebäudes.