- Book学术

发布求助

文献互助智能选刊最新文献

Jurnal MIPA Pub Date : 2019-10-30 DOI:10.35799/jmuo.8.3.2019.26193

Imriani Moroki, Alfrets Septy Wauran

{"title":"Model Statistika Prediksi Energi Surya Dengan Menggunakan Autoregresif Integrated Moving Average (ARIMA)","authors":"Imriani Moroki, Alfrets Septy Wauran","doi":"10.35799/jmuo.8.3.2019.26193","DOIUrl":null,"url":null,"abstract":"Energi terbarukan adalah salah satu masalah energi paling terkenal saat ini. Ada beberapa sumber potensial energi terbarukan. Salah satu energi terbarukan yang umum dan sederhana adalah energi matahari. Masalah besar ketersediaan energi saat ini adalah terbatasnya sumber energi konvensional seperti bahan bakar. Ini semua sumber energi memiliki banyak masalah karena memiliki jumlah energi yang terbatas. Penting untuk membuat model dan analisis berdasarkan ketersediaan sumber energi. Energi matahari adalah energi terbarukan yang paling disukai di negara-negara khatulistiwa saat ini. Tergantung pada produksi energi surya di daerah tertentu untuk memiliki desain dan analisis energi matahari yang baik. Untuk memiliki analisis yang baik tentang itu, dalam makalah ini kami membuat model prediksi energi surya berdasarkan data iradiasi matahari. Kami membuat model energi surya dan angin dengan menggunakan Metode Autoregresif Integrated Moving Average (ARIMA). Model ini diimplementasikan oleh R Studio yang kuat dari statistik. Sebagai hasil akhir, kami mendapatkan model statistik solar yang dibandingkan dengan data aktualRenewable energy is one of the most fomous issues of energy today. There are some renewable energy potential sources. One of the common n simple renewable energy is solar energy. The big problem of the availability of energy today is the limeted sources of conventional enery like fuel. This all energy sources have a lot of problem because it has a limited number of energy. It is important to make a model and analysis based on the availability of the energy sources. Solar energy is the most prefered renewable energy in equator countries today. It depends on the production of solar energy in certain area to have a good design and analysis of the solar energy. To have a good analysis of it, in this paper we make a prediction model of solar energy based on the data of solar irradiation. We make the solar and wind enery model by using Autoregresif Integrated Moving Average (ARIMA) Method. This model is implemented by R Studio that is a powerfull of statistical. As the final result, we got the statistical model of solar comparing with the actual data","PeriodicalId":53333,"journal":{"name":"Jurnal MIPA","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2019-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal MIPA","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35799/jmuo.8.3.2019.26193","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

摘要

可再生能源是当今最著名的能源问题之一。有几种可再生能源。一种普通而简单的可再生能源是太阳能。目前能源供应的主要问题是燃料等传统能源资源的有限。所有这些能源都有很多问题，因为能源数量有限。建立基于能源可用性的模型和分析是很重要的。太阳能是当今赤道国家最受欢迎的可再生能源。依靠某些地区的太阳能生产，就能很好地设计和分析太阳能。为了对它进行全面的分析，在本文中，我们根据太阳辐射数据创建了一个预测太阳能的模型。我们用平移平均方法创建了太阳能和风能模型。该模型是由R录音室实现的。最后，我们得到了一个太阳能统计模型，将其与实际可动能源数据进行比较，这是当今能源最活跃的问题之一。有一些可再生能源。最简单的可接受能量之一是太阳能。今天能源的最大问题是像燃料这样的可消耗能源。所有的能量都有很多问题，因为它有有限的能量编号。建立一个基于能源资源的模型和分析是很重要的。太阳能是目前可供选择的可再生能源。它依赖于太阳能的生产，在这个区域有一个很好的设计和分析太阳能能源。为了进行一个很好的分析，在这篇论文中，我们建立了一个基于太阳能放射性数据的预测能源模型。我们使用通用汽车(ARIMA)方法创建了太阳能和风能模型。这个模型是由R工作室实现的，它是一个强有力的统计。作为最后的参考，我们有一个与实际数据相匹配的太阳能统计模型

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

Model Statistika Prediksi Energi Surya Dengan Menggunakan Autoregresif Integrated Moving Average (ARIMA)

Energi terbarukan adalah salah satu masalah energi paling terkenal saat ini. Ada beberapa sumber potensial energi terbarukan. Salah satu energi terbarukan yang umum dan sederhana adalah energi matahari. Masalah besar ketersediaan energi saat ini adalah terbatasnya sumber energi konvensional seperti bahan bakar. Ini semua sumber energi memiliki banyak masalah karena memiliki jumlah energi yang terbatas. Penting untuk membuat model dan analisis berdasarkan ketersediaan sumber energi. Energi matahari adalah energi terbarukan yang paling disukai di negara-negara khatulistiwa saat ini. Tergantung pada produksi energi surya di daerah tertentu untuk memiliki desain dan analisis energi matahari yang baik. Untuk memiliki analisis yang baik tentang itu, dalam makalah ini kami membuat model prediksi energi surya berdasarkan data iradiasi matahari. Kami membuat model energi surya dan angin dengan menggunakan Metode Autoregresif Integrated Moving Average (ARIMA). Model ini diimplementasikan oleh R Studio yang kuat dari statistik. Sebagai hasil akhir, kami mendapatkan model statistik solar yang dibandingkan dengan data aktualRenewable energy is one of the most fomous issues of energy today. There are some renewable energy potential sources. One of the common n simple renewable energy is solar energy. The big problem of the availability of energy today is the limeted sources of conventional enery like fuel. This all energy sources have a lot of problem because it has a limited number of energy. It is important to make a model and analysis based on the availability of the energy sources. Solar energy is the most prefered renewable energy in equator countries today. It depends on the production of solar energy in certain area to have a good design and analysis of the solar energy. To have a good analysis of it, in this paper we make a prediction model of solar energy based on the data of solar irradiation. We make the solar and wind enery model by using Autoregresif Integrated Moving Average (ARIMA) Method. This model is implemented by R Studio that is a powerfull of statistical. As the final result, we got the statistical model of solar comparing with the actual data

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Jurnal MIPA

自引率

0.00%

发文量

审稿时长

24 weeks