نظام تصنيف إنتاج الطاقة الشمسية باستخدام تعلم الآلة (Solar Energy Classification)

مشروع متكامل لمعالجة تحدي "تذبذب الطاقة الشمسية" عبر بناء خطة عمل (Pipeline) لنموذج Machine Learning يصنف مستوى الإنتاج المتوقع بناءً على بيانات الطقس بأسوان، بهدف تحسين كفاءة تخزين الطاقة. أبرز الخطوات والنتائج: هندسة البيانات والتحليل الإحصائي: معالجة البيانات بـ Pandas واستخدام (Quantile Binning)، مع إثبات تأثير سرعة الرياح والحرارة إحصائياً عبر اختبارات (ANOVA). تقليل الأبعاد: تطبيق خوارزمية (LDA) التي أثبتت تفوقها على (PCA) في فصل الفئات بوضوح. تدريب النماذج وتقييمها: مقارنة 6 خوارزميات، حيث تفوق نموذج شجرة القرار (Decision Tree) بدقة 85% للتعامل مع العلاقات غير الخطية، وتم التحقق من متانته باستخدام K-Fold و ROC Curves (AUC = 0.95). التقنيات المستخدمة: Python, Scikit-learn, Pandas, NumPy, Matplotlib, Supervised Learning.