通过对电站历史发电量数据，结合辐照量和温度等环境参数，预测未来发电量趋势，及评估现阶段发电效率，为运维管理提供数据参考
通过收集电站历史发电量数据，研究电站发电量和环境因素的趋势关系，建立数据模型，评估现阶段发电量是否符合其本身的数据变化趋势。 数据的具体使用方式，是通过BLS(Broad Learning System)宽度学习算法来拟合发电量和日累积辐照量、日平均温度及组件功率系数的关系，通过算法的不断学习，逐渐提高拟合优度，从数据方面评估每日发电量，评估结果和实际数据采集发电量结果的对比，分析数据采集质量，对于偏差较大的数据，进行算法结果填充修复， 最终得到每日应发电量。 宽度学习系统的数学模型： Y=[F1,F2,...,Fm,E]W=[F,E]W 式中：W表示从特征节点和增强节点连接到输出层的权重；Y是整个神经网络的输出。为了简化表达式，将BLS中间层（包括特征节点和增强节点）对应的矩阵记作M = [F, E]。
| 字段名 | 类型 | 描述 |
|---|---|---|
逆变器日发电量 |
-- | -- |
逆变器月发电量 |
-- | -- |
每日应发电量 |
-- | -- |
平均温度 |
-- | -- |
倾斜辐照量 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 逆变器日发电量 | 206200kwh |
| 逆变器月发电量 | 53891449.49kwh |
| 每日应发电量 | 215980.256926 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/8588