Оценка использования нелинейных авторегрессионных нейросетевых моделей для прогнозирования технико-экономических показателей солнечных энергоустановок

В настоящее время в области электроснабжения сельскохозяйственных объектов растет интерес к разработке инженерных систем с использованием возобновляемых источников энергии, в особенности, фотоэлектрических систем. В виду того, что связи между технико-экономическими показателями фотоэлектрических систем имеют сложно идентифицируемый характер, нелинейные авторегрессионные нейросетевые модели могут найти успешное применение в области прогнозирования и представить более достоверные результаты, чем линейные модели. В работе представлены результаты разработки математических моделей для прогнозирования суточного хода электрической мощности и полной приведенной стоимости электроэнергии (levelized cost of energy - LCOE) для солнечных фотоэлектрических систем на основе нелинейной авторегрессионной нейронной сети с экзогеном (neural autoregressive network whith exogenous - NARX).