Az előrejelzések lehetnek determinisztikusak vagy valószínűségiek, előbbi esetében egy konkrét számértéket, míg utóbbinál egy valószínűségi eloszlás függvényt rendelünk a tetszőleges jövőbeli időponthoz. A valószínűségi előrejelzések eredendően nagyobb értéket képviselnek, mivel információt nyújtanak az előrejelzésekben levő, elkerülhetetlen bizonytalanságokról is. Valószínűségi előrejelzések számos különféle módszerrel készíthetőek, melyek többségének közös jellemzője, hogy statisztikai elven, múltbeli előrejelzések és tényadatok alapján készít becslést. A valószínűségi elszolást leírhatjuk egy ismert eloszlásfüggvény paramétereivel, ami robusztusabb működést biztosít, vagy tetszőleges kvantilisek együttesével, mely módszerrel nagyobb rugalmasság érhető el. Az előadásom során egy hatékony, gépi tanuláson alapuló módszert, a kvantilis regressziós neurális hálózatot mutatom be valószínűségi napelem termelés előrejelzések készítésére. Kitérek a hálózat kialakításának és különféle paramétereinek megválasztásának az előrejelzések jóságára és megbízhatóságára gyakorolt hatására is. A valószínűségi előrejelzések nyilvánvaló előnyei ellenére az ipari gyakorlatban azonban számos területen, így a napelemparkok menetrendezésében is determinisztikus előrejelzésekre van szükség, a valószínűségi előrejelzésekkel elérhető hozzáadott értéket így nem használják ki. A jövőbeli kutatásoknak tehát egy fontos iránya a hozzáadott bizonytalansági információ felhasznákási módjainak kidolgozása is a fontosabb gyakorlati alkalmazásokban.
