ВИЗНАЧЕННЯ ГЕНЕРУВАННЯ ВДЕ З ВИКОРИСТАННЯМ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ

Abstract

В статті досліджено перспективи та потенціал використання відновлюваних джерел енергії для вирішення проблеми глобального потепління. Проаналізовано світову тенденцію збільшення обсягів генерування електроенергії фотоелектричними станціями за даними Міжнародного агентства з відновлюваної енергетики та тенденцію збільшення встановленої потужності фотоелектричних станцій в Україні, які реалізовують генеровану потужність за «зеленим» тарифом за даними Національної комісії, що здійснює державне регулювання у сферах енергетики та комунальних послуг України. Досліджено можливості та умови використання штучних нейронних мереж для визначення генерування електроенергії фотоелектричних станцій на прикладі електричної станції «Цекинівська-2» 4–5 черга. Для формування бази даних для створення і навчання штучних нейронних мереж було використано платформу розроблену European Commission – Photovoltaic Geographical Information System. Встановлено закономірності зміни метеорологічних супутникових даних та їх вплив на генерування електроенергії фотоелектричних станцій. Для цього використано програмний комплекс MATLAB, а саме модуль для створення штучних нейронних мереж – Neural Networks Toolbox. Висота сонця умовно вважається сталою і її значення повторюється з року в рік або має незначне відхилення, томуможе використовуватись як індикатор години і умовно можна вважати відомим наперед, тобто визначеним за емпіричними формулами і таким що змінюється тільки під впливом певних астрофізичних закономірностей. Щодо температури на висоті 2 м та вітру на висоті 10 м, то ці метеорологічні дані є відомими, так як вони потрібні не лише для прогнозування роботи відновлюваних джерел енергії, а й також в сільському господарстві. Тому найбільш проблемними вважаються дані пов’язані з сонячним випромінюванням, так як цю величину найважче визначити. Супутникові дані можуть мати похибку, встановлення метеопостів, а саме якісних піранометрів є вартісною процедурою, але допоможе забезпечити навчальною вибіркою якісних даних. Для прогнозування з задовільною точністю потрібно накопичити дані хоча б за рік роботи метеопосту, щоб отримати і проаналізувати певну вибірку даних. Для прогнозування генерування використано модулі nntool та Anfis MATLAB. Але отримані результати можна використовувати для оцінки ефективності роботи фотоелектричних станцій, але вони є незадовільними для оперативного балансування системи.

Authors and Affiliations

Олена Олександрівна Рубаненко, Дмитро Олексійович Данильченко, Віра Володимирівна Тептя

Keywords

Related Articles

Система динамічного прогнозування технічного стану обладнання Об’єднаної електроенергетичної системи

В роботі проаналізовано метод нейро-нечіткого моделювання для прогнозування технічного стану системи. Модель системи динамічного прогнозування технічного стану обладнання об’єднаної електроенергетичної системи складаєтьс...

Аналіз режимів роботи електричних мереж з урахуванням впливу зубцевих гармонік

Проведено гармонійний аналіз магнітного поля асинхронного двигуна з обліком двосторонньої зубчастості й магнітної асиметрії повітряного зазору. Отримано спектр у вигляді нескінченних рядів просторово-часових гармонічних...

Розробка теплової моделі маслонаповненого трансформатора в середовищі Ansys

У роботі детально розглянуто моделювання теплових режимів підземної підстанції з використанням програмного середовища Ansys. Основна увага приділена маслонаповненому трансформатору ТРДН-63000/110, для якого створено спро...

Керування та охолодження електронного навантаження на основі FET-транзистора

Впровадження електронного навантаження для випробування високоточних низьковольтних джерел (сонячних батарей) вимагає ретельного перегляду не тільки схемотехнічної конструкції, а й теплотехнічної та механічної конструкці...

Дослідження впливу ємності розщепленої фази на втрати потужності пов'язані з коронним розрядом

Визначальним фактором наявності корони є величина заряду проводу, яка визначає напруженість електричного поля. Кількісні характеристики величини заряду фази лінії залежать від ємності та напруги. Якщо вплив напруги на вт...

Download PDF file
  • EP ID EP698680
  • DOI 10.20998/2224-0349.2020.01.11
  • Views 101
  • Downloads 0

How To Cite

Олена Олександрівна Рубаненко, Дмитро Олексійович Данильченко, Віра Володимирівна Тептя (2020). ВИЗНАЧЕННЯ ГЕНЕРУВАННЯ ВДЕ З ВИКОРИСТАННЯМ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ. Вісник Національного технічного університету «ХПІ». Серія: Енергетика: надійність та енергоефективність, 1(1), -. https://europub.co.uk/articles/-A-698680