Bối cảnh và vấn đề nghiên cứu

Nhiên liệu hóa thạch hiện đóng vai trò chủ đạo trong hệ thống cung cấp năng lượng toàn cầu. Dữ liệu từ Cơ quan Thông tin Năng lượng Hoa Kỳ (EIA) cho thấy than đá duy trì vị trí nguồn năng lượng lớn thứ hai thế giới sau dầu mỏ và nhiên liệu lỏng cho đến năm 2030, trước khi chuyển xuống vị trí thứ ba sau nhiên liệu lỏng và khí tự nhiên trong giai đoạn 2030–2040. Tổng mức tiêu thụ nhiên liệu hóa thạch hằng năm tương đương khoảng 11 tỷ tấn dầu; theo các dự báo được trích dẫn, trữ lượng dầu thô có nguy cơ cạn kiệt vào năm 2052, khí tự nhiên vào năm 2060 và than đá vào năm 2088. Đi kèm với khai thác kinh tế là những hệ lụy môi trường và sức khỏe cộng đồng do khí thải độc hại, ô nhiễm không khí và biến đổi khí hậu đã được Liên minh các nhà khoa học (Union of Concerned Scientists) cảnh báo.

Trong lộ trình chuyển dịch năng lượng toàn cầu, điện mặt trời được định vị là nguồn phát điện thay thế trọng tâm, dự kiến đóng góp từ 41 đến 96 PWh/năm và đáp ứng trên 25% tổng nhu cầu điện vào năm 2050. Tuy nhiên, sản lượng của các hệ thống quang điện phụ thuộc trực tiếp vào cường độ bức xạ mặt trời chiếu xuống bề mặt tấm pin. Bức xạ mặt trời có tính bất định và biến thiên liên tục với biên độ dao động có thể lên tới hàng trăm W/m². Khi hòa lưới, sự sụt giảm bức xạ đột ngột làm suy giảm tính ổn định, chất lượng điện áp và gây ra hiệu ứng lan truyền đến các nút phụ tải trong hệ thống lưới điện thông minh. Việc dự đoán chính xác cường độ bức xạ là cơ sở kỹ thuật để tối ưu hóa thiết kế nhà máy quang điện, giảm quy mô lưu trữ dự phòng và hạn chế tình trạng sa thải công suất phát.

Mặc dù có vai trò thiết yếu, công tác đo đạc bức xạ mặt trời tại các quốc gia đang phát triển còn hạn chế do chi phí thiết bị cao và yêu cầu kỹ thuật bảo trì khắt khe. Các thiết bị đo mặt đất như nhật xạ kế (pyranometer, solarimeter) đòi hỏi quá trình hiệu chuẩn liên tục; dữ liệu viễn thám vệ tinh gặp rào cản về độ trễ và khó phản ánh biến động dài hạn; các mô hình thực nghiệm khí tượng truyền thống (dựa trên nhiệt độ, độ che phủ mây, độ ẩm, áp suất) lại không xử lý được các mối quan hệ phi tuyến phức tạp trong điều kiện thời tiết nhiều mây mù. Việc ứng dụng các kỹ thuật học máy được tác giả xác định là hướng tiếp cận khả thi nhằm giải quyết bài toán phi tuyến tính trong dữ liệu khí tượng.

Khóa luận xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể như sau:

  1. Xây dựng và huấn luyện hai mô hình dự đoán cường độ bức xạ mặt trời dựa trên thuật toán Hồi quy tuyến tính (Linear Regression - LR) và thuật toán tăng cường độ dốc cấp cao (Extreme Gradient Boosting - XGBoost).
  2. Đánh giá, đối sánh độ chính xác của hai mô hình dự đoán thông qua 4 chỉ số thống kê tiêu chuẩn: sai số bình phương trung bình (MSE), sai số căn bậc hai trung bình (RMSE), sai số tuyệt đối trung bình (MAE) và hệ số xác định ($R^2$).
  3. Phân tích tác động của các kỹ thuật xử lý dữ liệu và lựa chọn đặc trưng lên hiệu suất của từng thuật toán để xác định mô hình tối ưu tương thích với tập dữ liệu nghiên cứu.

Đối tượng và phạm vi nghiên cứu của đề tài gồm:

  • Đối tượng nghiên cứu: Các thông số khí tượng tác động đến cường độ bức xạ mặt trời tại thành phố Moscow, Liên bang Nga. Biến mục tiêu đầu ra là cường độ bức xạ mặt trời ($W/m^2$); các biến đầu vào bao gồm nhiệt độ, áp suất khí quyển, độ ẩm, hướng gió, tốc độ gió, Unix time, Date, Thời gian, Thời gian mặt trời mọc và Thời gian mặt trời lặn.
  • Phạm vi không gian và nguồn dữ liệu: Bộ dữ liệu thứ cấp công khai thu thập từ nền tảng Kaggle, có nguồn gốc từ hệ thống dữ liệu toàn cầu của NASA Meteoblue và trạm khí tượng HI-SEAS (Hawaii), ghi nhận các giá trị khí tượng tại Moscow.
  • Phạm vi thời gian: Dữ liệu chuỗi thời gian được quan trắc liên tục trong 4 tháng, từ ngày 01/09/2016 đến ngày 31/12/2016.
  • Môi trường kỹ thuật: Đề tài sử dụng ngôn ngữ lập trình Python để thực hiện tiền xử lý dữ liệu, phân tích thống kê, trích chọn đặc trưng và huấn luyện mô hình.

Tổng quan tình hình nghiên cứu liên quan được tác giả hệ thống hóa qua hai nhóm tài liệu:

  • Nghiên cứu trong nước: Nhóm sinh viên Đại học Bách khoa Hà Nội (Nguyễn Tuấn Anh và cộng sự, 2021) đã phát triển phần mềm dự báo bức xạ mặt trời dựa trên mạng học sâu (Deep Learning); đề tài của Nguyễn Quang Ninh và cộng sự tại Viện Khoa học Năng lượng (Viện Hàn lâm KH&CN Việt Nam) ứng dụng mạng nơ-ron hồi quy LSTM để dự báo công suất phát ngắn hạn cho nhà máy điện mặt trời tại Việt Nam.
  • Nghiên cứu quốc tế: Bharat Girdhani và Meena Agrawal tại Ấn Độ đã so sánh 4 thuật toán (LR, SVM, Random Forest, ANN) trên dữ liệu của 4 bang, kết luận mô hình ANN đạt độ chính xác cao nhất; Md Shafiul Alam và cộng sự tại Bangladesh áp dụng các mô hình học máy kết hợp (AdaBoost, Gradient Boosting, Random Forest, Bagging), xác định mô hình hồi quy tăng cường độ dốc mang lại hiệu suất tối ưu ($R^2 = 0,93$).

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng cơ sở toán học và thuật toán dựa trên hai mô hình chính:

  1. Mô hình Hồi quy tuyến tính (Linear Regression - LR): Thuật toán học máy có giám sát xác định hàm tuyến tính biểu diễn mối quan hệ giữa biến phụ thuộc $y$ và các biến độc lập $x$.
  • Mô hình đơn biến: $y_i = \beta_0 + \beta_1 x_i + e$
  • Mô hình đa biến tổng quát: $y_i = \beta_0 + \beta_1 x_{1i} + \beta_2 x_{2i} + \dots + \beta_k x_{ki} + e$ Trong đó $\beta_0$ là tung độ gốc, $\beta_j$ là các hệ số dốc và $e$ là sai số ngẫu nhiên (phần dư). Để ước tính các tham số $\hat{\beta}$, tác giả áp dụng phương pháp bình phương nhỏ nhất (Ordinary Least Squares - OLS) với mục tiêu cực tiểu hóa tổng bình phương phần dư: $\min \sum (y_i - \hat{y}_i)^2 = \min \sum e_i^2$.
  1. Thuật toán Extreme Gradient Boosting (XGBoost): XGBoost thuộc nhóm học máy tăng cường (Boosting) trong tập hợp các phương pháp học nhóm (Ensemble Learning). Thuật toán hoạt động bằng cách xây dựng tuần tự các cây quyết định (Decision Trees), trong đó mỗi cây mới tập trung tối ưu hóa hàm mất mát và bù trừ sai số của các cây đứng trước thông qua kỹ thuật tính toán đạo hàm bậc hai (gradient và hessian), đồng thời tích hợp thành phần chính quy hóa (regularization) để kiểm soát độ phức tạp của mô hình và chống hiện tượng quá khớp (overfitting).

Phương pháp trích chọn và xử lý đặc trưng (Feature Engineering) bao gồm:

  • Ma trận hệ số tương quan Pearson: Tính toán mức độ tương quan tuyến tính giữa các biến đầu vào và bức xạ mặt trời: $$r = \frac{\sum_{i=1}^n (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^n (x_i - \bar{x})^2 \sum_{i=1}^n (y_i - \bar{y})^2}}$$
  • Mô hình Extra Tree Classifier: Đánh giá mức độ quan trọng tương đối của từng biến khí tượng đối với giá trị dự đoán.
  • Kiểm định Chi-square ($\chi^2$): Kiểm tra tính phụ thuộc giữa các đặc trưng và biến mục tiêu.
  • Chuẩn hóa dữ liệu Min-Max (Min-Max Transformation): Đưa miền giá trị của các thuộc tính về đoạn chuẩn hóa $[0, 1]$ nhằm loại bỏ độ lệch thang đo giữa các đơn vị vật lý khác nhau.

Các chỉ số đánh giá sai số được sử dụng thống nhất gồm:

  • Sai số tuyệt đối trung bình: $MAE = \frac{1}{n} \sum_{i=1}^n |y_i - \hat{y}_i|$
  • Sai số bình phương trung bình: $MSE = \frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2$
  • Sai số căn bậc hai trung bình: $RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2}$
  • Hệ số xác định: $R^2 = 1 - \frac{\sum_{i=1}^n (y_i - \hat{y}i)^2}{\sum{i=1}^n (y_i - \bar{y})^2}$

Tập dữ liệu thu thập gồm 32.686 dòng quan sát cho mỗi biến, tần suất lấy mẫu 5 phút/lần. Tác giả áp dụng tỷ lệ phân chia dữ liệu thực nghiệm là 80% tập huấn luyện (training set) và 20% tập kiểm tra (testing set).

Nội dung chính theo từng chương

Chương 1. Lý do chọn đề tài, mục tiêu, đối tượng, phạm vi và tổng quan nghiên cứu

Chương đầu tiên trình bày tổng quan về cuộc khủng hoảng năng lượng hóa thạch, các số liệu cạn kiệt tài nguyên của EIA và vai trò sống còn của điện mặt trời trong cơ cấu năng lượng năm 2050. Tác giả chỉ ra tính biến động mạnh của bức xạ mặt trời là nguyên nhân chính gây mất ổn định lưới điện thông minh khi hòa lưới hệ thống quang điện. Chương này xác định mục tiêu xây dựng hai mô hình LR và XGBoost, làm rõ đối tượng nghiên cứu tại Moscow, phạm vi dữ liệu chuỗi thời gian 4 tháng từ Kaggle/NASA Meteoblue (32.686 mẫu) và công cụ lập trình Python. Đồng thời, tác giả khảo cứu các công trình nghiên cứu tiền nhiệm tại Việt Nam và trên thế giới, qua đó xác lập tính cấp thiết của việc kiểm thử các thuật toán học máy trên các bộ dữ liệu khí tượng đặc thù.

Chương 2. Dự đoán cường độ bức xạ mặt trời dựa trên thuật toán hồi quy tuyến tính

Chương 2 tập trung xây dựng cơ sở toán học của hồi quy tuyến tính đơn biến, đa biến và thuật toán tối ưu OLS. Trong thực nghiệm với LR, tác giả tập trung vào 6 thông số vật lý trực tiếp: bức xạ mặt trời, nhiệt độ, áp suất, độ ẩm, hướng gió và tốc độ gió. Ba phương pháp xử lý dữ liệu được thiết lập và đánh giá:

  • Phương pháp 1 (Sử dụng toàn bộ dữ liệu): Sử dụng đầy đủ 32.686 mẫu. Phân tích tương quan Pearson cho thấy bức xạ tương quan thuận mạnh nhất với nhiệt độ ($r = 0,73$), tương quan nghịch với độ ẩm ($r = -0,23$) và hướng gió ($r = -0,23$), trong khi áp suất và tốc độ gió có tương quan yếu. Mô hình đạt $R^2 = 0,57$ và $MAE = 162$. Nhược điểm nghiêm trọng phát sinh là mô hình dự đoán ra các giá trị bức xạ mang dấu âm tại các thời điểm giá trị thực tế bằng 0 $W/m^2$ (ban đêm).
  • Phương pháp 2 (Lọc theo khung giờ nắng 6h00 – 18h00): Loại bỏ các điểm dữ liệu ban đêm, giữ lại 16.396 mẫu quan sát. Kết quả đánh giá cho thấy hiệu suất suy giảm so với Phương pháp 1, với $R^2 = 0,47$ và $MAE = 196$, hiện tượng sai số âm tại các điểm biên vẫn tiếp diễn.
  • Phương pháp 3 (Sử dụng giá trị trung bình hàng ngày): Bộ dữ liệu được nén thành 118 mẫu (tương ứng 1 mẫu/ngày), trong đó bức xạ tính theo giá trị trung bình ngày, các biến khí tượng còn lại tính theo trung bình của giá trị cực tiểu và cực đại trong khung 6h00 – 18h00. Hệ số xác định đạt $R^2 = 0,52$. Kết quả khẳng định mối quan hệ phi tuyến giữa các yếu tố khí quyển không thể được biểu diễn chính xác hoàn toàn bằng hàm tuyến tính bậc một.

Chương 3. Dự đoán cường độ bức xạ mặt trời dựa trên thuật toán XGBoost

Chương 3 trình bày cấu trúc và nguyên lý của phương pháp học tăng cường Ensemble Learning, kỹ thuật Gradient Boosting và thuật toán XGBoost. Quy trình xử lý dữ liệu được nâng cấp thông qua chuỗi kỹ thuật đặc trưng chuyên sâu:

  • Sử dụng ma trận tương quan kết hợp biểu đồ phân tán Scatter Plot để đánh giá tương quan đa biến.
  • Ứng dụng mô hình Extra Tree Classifier và kiểm định Chi-square nhằm định lượng trọng số đóng góp của từng biến đầu vào đối với sự biến thiên của bức xạ.
  • Áp dụng chuẩn hóa Min-Max Transformation cho toàn bộ các biến số khí tượng đầu vào (nhiệt độ, áp suất, độ ẩm, tốc độ gió, hướng gió). Sau khi huấn luyện trên tập dữ liệu đã chuẩn hóa, mô hình XGBoost cho kết quả vượt trội với hệ số xác định đạt $R^2 = 0,93$, giảm thiểu đáng kể các sai số cực trị và xử lý thành công tính chất phi tuyến phức tạp của các thông số khí tượng chuỗi thời gian.

Chương 4. Kết luận và kiến nghị

Chương tổng kết đánh giá toàn diện hai mô hình. Tác giả khẳng định XGBoost là thuật toán có độ tương thích cao đối với tập dữ liệu bức xạ mặt trời tại Moscow, giải quyết được các hạn chế cố hữu của thuật toán hồi quy tuyến tính. Chương này cũng nêu rõ các khuyến nghị kỹ thuật về việc thu thập dữ liệu đo đạc thực tế tại Việt Nam và hướng tiếp cận xây dựng các mô hình lai (Hybrid Models) kết hợp nhiều thuật toán trong các nghiên cứu tiếp theo.

Kết quả và đóng góp

Khóa luận đã định lượng hóa hiệu suất dự đoán của hai thuật toán qua các thực nghiệm cụ thể trên tập dữ liệu quan sát.

Thuật toán Phương pháp xử lý dữ liệu Số lượng mẫu Hệ số xác định ($R^2$) Sai số tuyệt đối trung bình ($MAE$)
Hồi quy tuyến tính (LR) Phương pháp 1: Toàn bộ dữ liệu 32.686 0,57 162
Hồi quy tuyến tính (LR) Phương pháp 2: Giờ nắng (6h00 – 18h00) 16.396 0,47 196
Hồi quy tuyến tính (LR) Phương pháp 3: Trung bình ngày 118 0,52 Chưa công bố đủ
XGBoost Chuẩn hóa Min-Max + Lựa chọn đặc trưng 32.686 0,93 Tối ưu vượt trội

Các kết quả thực nghiệm chính bao gồm:

  • Mô hình XGBoost đạt hiệu suất cao với $R^2 = 0,93$, giải thích được 93% sự biến thiên của cường độ bức xạ mặt trời thực tế.
  • Mô hình Hồi quy tuyến tính chỉ đạt hệ số xác định dao động từ $0,47$ đến $0,57$ tùy thuộc vào phương thức tiền xử lý dữ liệu. Mô hình này bộc lộ sai số bản chất khi dự đoán ra giá trị bức xạ mang dấu âm ở các thời điểm đêm hoặc sáng sớm khi bức xạ thực tế bằng 0 $W/m^2$.
  • Phân tích tương quan chỉ ra nhiệt độ là biến có mối tương quan thuận mạnh nhất với bức xạ mặt trời ($r = 0,73$), trong khi độ ẩm và hướng gió thể hiện mối tương quan nghịch ($r = -0,23$).

Về mặt đóng góp học thuật và thực tiễn, đề tài đã:

  • Thiết lập quy trình hoàn chỉnh về tiền xử lý, phân tích tương quan và trích chọn đặc trưng cho bài toán dự báo bức xạ mặt trời sử dụng dữ liệu chuỗi thời gian khí tượng.
  • So sánh định lượng chi tiết giữa một mô hình tuyến tính cổ điển (LR) và một mô hình phi tuyến học sâu/học máy tăng cường (XGBoost), chứng minh bằng số liệu thực nghiệm rằng mô hình tuyến tính không thích hợp cho bài toán dao động thời tiết phức tạp.
  • Đặt nền tảng phương pháp luận cho việc phát triển các công cụ dự báo phụ trợ cho công tác điều độ và vận hành hệ thống điện mặt trời hòa lưới.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận được tác giả thẳng thắn chỉ ra các giới hạn kỹ thuật trong phạm vi nghiên cứu:

  • Số lượng mô hình kiểm nghiệm còn hạn chế: Đề tài chỉ dừng lại ở việc khảo sát hai mô hình đơn lẻ là Linear Regression và XGBoost, chưa triển khai thử nghiệm các cấu trúc mô hình lai (Hybrid Models) kết hợp nhiều thuật toán học máy hoặc mạng nơ-ron học sâu (như CNN-LSTM, Transformer) để tối ưu hóa khả năng nắm bắt quan hệ chuỗi thời gian.
  • Tính tối ưu của tham số: Mặc dù XGBoost đạt $R^2 = 0,93$, tác giả nhận định các siêu tham số của mô hình chưa được tinh chỉnh triệt để để đạt tới ngưỡng chính xác tối đa.
  • Nguồn dữ liệu thứ cấp: Dữ liệu sử dụng được lấy hoàn toàn từ kho lưu trữ mở trên Kaggle (trạm HI-SEAS ghi nhận thông số tại Moscow), chưa thực hiện thu thập và kiểm chứng trên tập dữ liệu khí tượng quan trắc thực địa tại các vùng địa lý của Việt Nam.

Hướng nghiên cứu tiếp theo được đề xuất bao gồm:

  • Nghiên cứu kết hợp các thuật toán học máy khác nhau để hình thành mô hình lai nhằm nâng cao độ chính xác dự báo.
  • Thiết lập hệ thống cảm biến đo đạc độc lập để thu thập dữ liệu bức xạ và thông số thời tiết thực tế tại địa phương, mở rộng nghiên cứu sang bài toán dự báo công suất phát điện mặt trời trực tiếp phục vụ quản lý vận hành trạm quang điện.

Giá trị tham khảo

Đồ án tốt nghiệp là tài liệu tham khảo hữu ích cho các nhóm đối tượng sau:

  • Sinh viên và học viên chuyên ngành Năng lượng tái tạo, Kỹ thuật điện: Tài liệu cung cấp góc nhìn thực tế về tác động của biến thiên bức xạ mặt trời đến độ ổn định lưới điện, đồng thời minh họa cách ứng dụng công cụ tính toán thông minh để giải quyết bài toán kỹ thuật ngành điện.
  • Người nghiên cứu về Khoa học dữ liệu và Học máy ứng dụng: Khóa luận cung cấp quy trình chuẩn mực về việc xử lý dữ liệu chuỗi thời gian vật lý, phương pháp ứng dụng ma trận Pearson, kiểm định Chi-square, bộ phân loại Extra Tree Classifier và phép biến đổi Min-Max.
  • Các phần nội dung đáng tham khảo nhất:
    • Mục 2.3 và 2.4 tại Chương 2: Phương pháp phân tích, gom cụm và xử lý dữ liệu theo các khung thời gian khác nhau (toàn bộ, khung giờ nắng, giá trị trung bình ngày).
    • Mục 3.2 tại Chương 3: Kỹ thuật trích chọn và chuẩn hóa đặc trưng kết hợp với cấu hình huấn luyện thuật toán XGBoost.

Câu hỏi thường gặp

1. Bộ dữ liệu sử dụng trong khóa luận có nguồn gốc từ đâu và bao gồm những thông số nào? Bộ dữ liệu được tải từ nền tảng Kaggle, bắt nguồn từ hệ thống dữ liệu toàn cầu của NASA Meteoblue và trạm khí tượng HI-SEAS (Hawaii), ghi nhận thông số thời tiết tại thành phố Moscow, Liên bang Nga trong giai đoạn từ 01/09/2016 đến 31/12/2016. Bộ dữ liệu có 32.686 mẫu (tần suất 5 phút/lần) gồm 11 thông số: bức xạ mặt trời, nhiệt độ, áp suất, độ ẩm, hướng gió, tốc độ gió, Unix time, Date, Thời gian, Thời gian mặt trời mọc và Thời gian mặt trời lặn.

2. Vì sao mô hình Hồi quy tuyến tính lại cho kết quả sai lệch nghiêm trọng ở các thời điểm đêm? Hồi quy tuyến tính cố gắng khớp một mặt phẳng/đường thẳng tuyến tính tổng quát trên toàn bộ không gian dữ liệu. Do mối quan hệ thực tế giữa các yếu tố khí tượng và bức xạ là phi tuyến, đồng thời bức xạ mặt trời thực tế bằng 0 $W/m^2$ trong toàn bộ thời gian không có nắng, phương trình hồi quy tuyến tính khi ngoại suy ở vùng giá trị nhiệt độ thấp hoặc đêm đã tính toán ra các giá trị dự đoán mang dấu âm, phản ánh sự không tương thích của mô hình tuyến tính với dữ liệu này.

3. Ba phương pháp xử lý dữ liệu trong Chương 2 khác nhau như thế nào và phương pháp nào mang lại kết quả tốt nhất cho Hồi quy tuyến tính? Phương pháp 1 sử dụng toàn bộ 32.686 mẫu dữ liệu gốc. Phương pháp 2 lọc lấy 16.396 mẫu trong khung giờ có ánh sáng mặt trời từ 6h00 đến 18h00. Phương pháp 3 tính giá trị trung bình ngày cho bức xạ và trung bình cực trị (min-max) cho các biến còn lại, rút gọn còn 118 mẫu. Trong ba phương pháp, Phương pháp 1 đạt hệ số xác định cao nhất đối với thuật toán LR ($R^2 = 0,57$), Phương pháp 3 đạt $R^2 = 0,52$, và Phương pháp 2 đạt thấp nhất ($R^2 = 0,47$).

4. Khóa luận sử dụng những phương pháp nào để lựa chọn và chuẩn hóa đặc trưng trước khi đưa vào mô hình XGBoost? Tác giả đã áp dụng phối hợp ma trận hệ số tương quan Pearson, biểu đồ tán xạ Scatter Plot, kiểm định Chi-square ($\chi^2$) và thuật toán Extra Tree Classifier để đo lường mức độ quan trọng của từng thông số. Sau đó, kỹ thuật Min-Max Transformation được sử dụng để chuẩn hóa các biến nhiệt độ, áp suất, độ ẩm, tốc độ gió và hướng gió về đoạn $[0, 1]$.

5. Hiệu suất dự đoán giữa mô hình XGBoost và Hồi quy tuyến tính chênh lệch ra sao? Mô hình XGBoost thể hiện sự vượt trội rõ rệt với hệ số xác định $R^2 = 0,93$, cao hơn đáng kể so với mức $R^2 = 0,57$ của mô hình Hồi quy tuyến tính tốt nhất. XGBoost khắc phục hoàn toàn hiện tượng dự đoán sai giá trị âm ở ngưỡng bức xạ bằng 0 và mô hình hóa chính xác các biến động phức tạp của thời tiết.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Nhật Trường và Đào Thái Cát Tường đã xây dựng thành công quy trình ứng dụng học máy để giải quyết bài toán dự báo cường độ bức xạ mặt trời phục vụ tích hợp năng lượng tái tạo. Thông qua các phân tích thực nghiệm trên 32.686 mẫu dữ liệu khí tượng chuỗi thời gian, đề tài đã chứng minh thuật toán XGBoost kết hợp kỹ thuật trích chọn đặc trưng đạt độ chính xác cao ($R^2 = 0,93$), vượt trội hoàn toàn so với mô hình Hồi quy tuyến tính cổ điển ($R^2 = 0,57$). Mặc dù còn hạn chế về việc sử dụng tập dữ liệu thứ cấp và chưa phát triển các cấu trúc mô hình lai, công trình là tài liệu tham khảo có giá trị học thuật và phương pháp luận rõ ràng cho sinh viên, kỹ sư ngành Năng lượng tái tạo và Khoa học dữ liệu ứng dụng.