Forscher haben eine neue, auf maschinellem Lernen basierende Methodik definiert, die Berichten zufolge die Kosten für die Kundenakquise um etwa 15 % oder 0,07 USD/Watt senkt. Es basiert auf einer angepassten Version des XGBoost-Algorithmus und berücksichtigt unter anderem Faktoren wie Sommerrechnungen, Haushaltseinkommen und das Alter des Hausbesitzers. Ein internationales Forschungsteam hat einen maschinellen Lernalgorithmus namens XGBoost (eXtreme Gradient Boosting) verwendet, um die PV-Akzeptanz bei Hausbesitzern vorherzusagen. Dieser Algorithmus besteht aus einer GBDT-Bibliothek (Distributed Gradient-Boosted Decision Tree) für maschinelles Lernen, die dabei helfen kann, ein Ziel genau vorherzusagen ...
Den vollständigen Artikel lesen ...
© 2023 pv magazine