Интеллектуальная технология непрямого прогнозирования вырабатываемой электроэнергии солнечной электростанции
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии @technologies-sfu
Рубрика: Исследования. Проектирование. Опыт эксплуатации
Статья в выпуске: 4 т.17, 2024 года.
Бесплатный доступ
Прогноз вырабатываемой электроэнергии солнечной электростанции позволяет эффективно и безопасно управлять электрическими сетями, интегрирующими сегмент солнечной энергетики. Рынок «сутки вперед» покупает по штрафным тарифам электроэнергию солнечных электростанций, отклоняющуюся более чем на 5 % максимальной мощности солнечной электростанции от предоставляемого почасового макета рынка «сутки вперед» ее выработки. Проведенный анализ существующего программного обеспечения показал отсутствие доступного программного обеспечения для эффективного прогнозирования выработки солнечной электростанции. В данном исследовании разработана, апробирована и реализована технология непрямого прогнозирования вырабатываемой электроэнергии солнечной электростанции на основе модифицированной нечеткой нейросети с механизмом внимания. Разработаны UML диаграмма классов и блочно-модульная архитектура интеллектуальной технологии непрямого прогнозирования солнечной электростанции, обеспечивающая ее гибкость и легкую модификацию. Апробация интеллектуальной технологии непрямого прогнозирования выработки солнечной электростанции отражает ее эффективные, робастные результаты и целесообразность ее применения для автоматического построения макетов рынка «сутки вперед».
Похожие статьи в разделе Искусственный интеллект
Короткий адрес: https://sciup.org/146282883
IDS: 146282883 | УДК: 004.896
An indirect forecasting system of the generated electricity from a solar panel array based on modified fuzzy neural network
The forecast of the generated electricity of a solar power plant allows efficient and safe management of electrical grid that include solar power plants. The day-ahead market buys at penalty rates electricity from solar power plants, deviating by more than 5 % of the maximum solar power plant capacity from the provided hourly day-ahead market layout of electricity generated by the solar power plant. An analysis of existing software showed the lack of available software for effectively forecasting the production of a solar power plant. In this study, an indirect forecasting intelligent technology of a solar power plant production based on a modified fuzzy neural network with an attention mechanism was developed, tested and implemented. The UML class diagram and block-modular architecture of the indirect forecasting intelligent technology of a solar power plant production have been developed. This block-modular architecture provides flexibility and easy modification of the indirect forecasting intelligent technology of a solar power plant production. The approval of the indirect forecasting intelligent technology of a solar power plant production reflects its effective, robust results and the feasibility of its use for automatic generation of day-ahead market layouts.
Список литературы Интеллектуальная технология непрямого прогнозирования вырабатываемой электроэнергии солнечной электростанции
- Большие вызовы и приоритеты научно-технологического развития [Электронный ресурс] – Режим доступа: https://xn – m1agf.xn – p1ai/challenges-priorities/ – Заглавие с экрана. [Great challenges and priorities of scientific and technological development [Electronic resourse] – Access: https://xn – m1agf.xn – p1ai/challenges-priorities/]
- Значение солнечной инсоляции в г. Абакане (Республика Хакасия) [Электронный ресурс] – Режим доступа: https://www.betaenergy.ru/insolation/abakan – Заглавие с экрана. [Value of solar insolation in Abakan (Republic of Khakassia) [Electronic resourse] – Access: https://www.betaenergy.ru/insolation/abakan]
- Engel E. Engel N. A Review on Machine Learning Applications for Solar Plants. Sensors., 2022, 22, 9060.
- EITCI Institute. SMART ENERGY STANDARDS GROUP. [Electronic resourse] – Access: https://eitci.org/sesg
- SolarSoft. [Electronic resourse] – Access: https://www.lmsal.com/solarsoft/
- Solar Array Simulator. [Electronic resourse] – Access: https://www.chromausa.com/product/solar-array-simulator/
- NREL System Advisor Model (SAM). [Electronic resourse] – Access: https://sam.nrel.gov
- Helioscope. [Electronic resourse] – Access: https://helioscope.aurorasolar.com
- Aurora Solar. [Electronic resourse] – Access: https://aurorasolar.com
- Photovoltaic Geographical Information System. Interactive Maps. [Electronic resourse] – Access: http://re.jrc.ec.europa.eu/pvgis/apps4/pvest.php?map=africa&lang=en
- SolarServer PV forecast Europe. Individual solar photovoltaic power forecasts. [Electronic resourse] – Access: https://www.solarserver.com/service/solar-photovoltaic-power-forecast-for-worldwide-locations/pv-forecast-europe.html
- PVsyst. Photovoltaic power forecast. [Electronic resourse] – Access: http://www.pvsyst.com/en/software/download
- Clean Power Research. [Electronic resourse] – Access: https://www.cleanpower.com
- Энгель Е. А. Энгель Н. Е. Система непрямого прогнозирования вырабатываемой электроэнергии массивом солнечных панелей на основе модифицированной нечеткой нейросети. Журнал Сибирского федерального университета. Серия: Техника и технологии, 2023, 6, 744–758. [Engel E. A., Engel N. E. Indirect prediction system of generated electricity by an array of solar panels based on a modified fuzzy neural network. Journal of Siberian Federal University. Series: Technique and Technology, 2023, 6, 744–758 (in Rus.)]
- Школа больших данных. CRISP-DM. [Электронный ресурс] – Режим доступа: https://bigdataschool.ru/wiki/crisp-dm – Заглавие с экрана. [Big data school. CRISP-DM. [Electronic resourse] – Access: https://bigdataschool.ru/wiki/crisp-dm]
- Open Neural Network Exchange. [Electronic resourse] – Access: Open Neural Network Exchange. Available online: https://onnx.ai/
- Яндекс погода. Абакан. [Электронный ресурс] – Режим доступа: https://yandex.ru/pogoda/abakan?lat=53.721152&lon=91.442387 – Заглавие с экрана. [Yandex weather. Abakan. [Electronic resourse] – Access: https://yandex.ru/pogoda/abakan?lat=53.721152&lon=91.442387]
- Gismeteo. Погода в Абакане [Электронный ресурс] – Режим доступа: https://www.gismeteo.ru/weather-abakan‑4723/10-days/– Заглавие с экрана. [Gismeteo. Weather forecast for Abakan [Electronic resourse] – Access: https://www.gismeteo.ru/weather-abakan‑4723/10-days/]
- Rp5. Погода в Абакане [Электронный ресурс] – Режим доступа: https://rp5.ru/%D0%9F%D0%BE%D0%B3%D0%BE%D0%B4%D0%B0_%D0%B2_%D0%90%D0%B1%D0%B0%D0%BA%D0%B0%D0%BD%D0%B5 – Заглавие с экрана. [Rp5. Weather forecast for Abakan [Electronic resourse] – Access: https://rp5.ru/%D0%9F%D0%BE%D0%B3%D0%BE%D0%B4%D0%B0_%D0%B2_%D0%90%D0%B1%D0%B0%D0%BA%D0%B0%D0%BD%D0%B5]
