РОЗРОБКА ГРАФІЧНОГО ІНТЕРФЕЙСУ ДЛЯ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ СОНЯЧНОЇ ГЕНЕРАЦІЇ НА ОСНОВІ ГЛИБОКОГО НАВЧАННЯ

Відновлювана енергетика Pub Date : 2023-10-19 DOI:10.36296/1819-8058.2023.3(74).32-41

Д. С. Матушкін, А. В. Босак

{"title":"РОЗРОБКА ГРАФІЧНОГО ІНТЕРФЕЙСУ ДЛЯ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ СОНЯЧНОЇ ГЕНЕРАЦІЇ НА ОСНОВІ ГЛИБОКОГО НАВЧАННЯ","authors":"Д. С. Матушкін, А. В. Босак","doi":"10.36296/1819-8058.2023.3(74).32-41","DOIUrl":null,"url":null,"abstract":"В енергосистемах важливо прогнозувати генерацію сонячної енергії для оптимізації роботи та зменшення впливу невизначеності. Для прогнозування сонячної енергії необхідно прогнозувати сонячне випромінювання, для чого зазвичай потрібні історичні дані про сонячне випромінювання та погодні параметри. Ці дані часто недоступні для домашніх та комерційних сонячних мікромереж. У цьому дослідженні пропонується модель погодинного прогнозування генерації SPP на наступний день, яка не залежить від історичних даних про сонячне випромінювання. Прогнозування виконується за допомогою інструмента глибокого навчання, як-от Long Short-Term Memory (LSTM), а результати подаються в систему на платформі симуляції MATLAB&Simulink. Як платформу симуляції представлено графічний інтерфейс користувача (GUI) в програмному комплексі MATLAB&Simulink для прогнозування погодинної потужності SPP. Ця платформа буде корисним і практичним механізмом для дослідників, які вивчають енергоменеджмент та для прогнозування й планування режимів роботи енергосистеми з відновлюваними джерелами енергії (ВДЕ). У цьому дослідженні виконано прогноз кількості енергії, яка буде згенерована SPP. Розроблений GUI використовувався для прогнозування вихідної потужності SPP протягом тестових днів. Потім отримані прогнозні дані були оцінені за середньо-квадратичною похибкою (RMSE) і середньою абсолютною похибкою (MAE). Результати експериментів показали достатні показники точності. Запропонована модель досягла RMSE у розмірі 0,835 W і MAE у розмірі 0,353 W у деяких наборах даних.","PeriodicalId":496904,"journal":{"name":"Відновлювана енергетика","volume":"69 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Відновлювана енергетика","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36296/1819-8058.2023.3(74).32-41","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

В енергосистемах важливо прогнозувати генерацію сонячної енергії для оптимізації роботи та зменшення впливу невизначеності. Для прогнозування сонячної енергії необхідно прогнозувати сонячне випромінювання, для чого зазвичай потрібні історичні дані про сонячне випромінювання та погодні параметри. Ці дані часто недоступні для домашніх та комерційних сонячних мікромереж. У цьому дослідженні пропонується модель погодинного прогнозування генерації SPP на наступний день, яка не залежить від історичних даних про сонячне випромінювання. Прогнозування виконується за допомогою інструмента глибокого навчання, як-от Long Short-Term Memory (LSTM), а результати подаються в систему на платформі симуляції MATLAB&Simulink. Як платформу симуляції представлено графічний інтерфейс користувача (GUI) в програмному комплексі MATLAB&Simulink для прогнозування погодинної потужності SPP. Ця платформа буде корисним і практичним механізмом для дослідників, які вивчають енергоменеджмент та для прогнозування й планування режимів роботи енергосистеми з відновлюваними джерелами енергії (ВДЕ). У цьому дослідженні виконано прогноз кількості енергії, яка буде згенерована SPP. Розроблений GUI використовувався для прогнозування вихідної потужності SPP протягом тестових днів. Потім отримані прогнозні дані були оцінені за середньо-квадратичною похибкою (RMSE) і середньою абсолютною похибкою (MAE). Результати експериментів показали достатні показники точності. Запропонована модель досягла RMSE у розмірі 0,835 W і MAE у розмірі 0,353 W у деяких наборах даних.

查看原文本刊更多论文

开发基于深度学习的太阳能发电短期预测图形界面

在电力系统中，预测太阳能发电量对于优化运行和减少不确定性的影响非常重要。要预测太阳能，就必须预测太阳辐照度，这通常需要太阳辐照度和天气参数的历史数据。住宅和商业太阳能微电网通常无法获得这些数据。在本研究中，我们提出了一种不依赖于历史太阳辐照度数据的次日 SPP 发电量小时预测模型。预测使用深度学习工具（如长短期记忆（LSTM））进行，预测结果通过 MATLAB&Simulink 仿真平台输入系统。作为一个仿真平台，我们在 MATLAB&Simulink 软件包中提供了一个图形用户界面 (GUI)，用于预测 SPP 的每小时发电量。该平台将成为研究能源管理的科研人员以及预测和规划使用可再生能源（RES）的电力系统运行的实用机制。本研究预测了 SPP 将产生的能量。开发的图形用户界面用于预测 SPP 在测试日的输出功率。然后，根据均方根误差 (RMSE) 和平均绝对误差 (MAE) 对获得的预测数据进行评估。实验结果显示了足够的准确性。在某些数据集中，建议模型的均方根误差为 0.835 W，平均绝对误差为 0.353 W。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Відновлювана енергетика

自引率

0.00%

发文量