Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/53455
Title: Визначення генерування ВДЕ з використанням штучних нейронних мереж
Other Titles: Determination of RESS generation using artificial neural networks
Authors: Рубаненко, Олена Олександрівна
Данильченко, Дмитро Олексійович
Тептя, Віра Володимирівна
Keywords: відновлювальні джерела енергії; фотоелектричні станції; renewable energy sources; photovoltaic stations
Issue Date: 2020
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Рубаненко О. О. Визначення генерування ВДЕ з використанням штучних нейронних мереж / О. О. Рубаненко, Д. О. Данильченко, В. В. Тептя // Вісник Національного технічного університету "ХПІ". Сер. : Енергетика: надійність та енергоефективність = Bulletin of the National Technical University "KhPI". Ser. : Energy: Reliability and Energy Efficiency : зб. наук. пр. – Харків : НТУ "ХПІ", 2020. – № 1 (1). – С. 76-83.
Abstract: У статті розглядаються перспективи та потенціал використання відновлюваних джерел енергії для вирішення проблеми глобального потепління. Світова тенденція збільшення вироблення електроенергії фотоелектричними електростанціями згідно з даними Міжнародного агентства з відновлюваних джерел енергії та тенденція до збільшення встановлених потужності фотоелектричних електростанцій в Україні, які постачають генеровану потужність за "зеленим" тарифом згідно з Національною комісією з Державного регулювання енергетичного господарства України. Можливості та умови використання штучних нейронних мереж для визначення енергії досліджуються фотоелектричними електростанціями на прикладі електростанції "Цекінівська-2" на 4–5 обертів. Платформа, розроблена європейською Комісією - Фотоелектрична географічна інформаційна система - була використана для створення бази даних для створення та навчання штучних нейронних мереж. Встановлено закономірності зміни метеорологічних супутникових даних та їх вплив на виробництво електроенергії фотоелектричних електростанцій. Для цієї мети був використаний програмний комплекс MATLAB, а саме модуль для створення штучних нейронних мереж - Neural Networks Toolbox. Висота сонця умовно вважається постійною і його значення повторюється з року в рік або має невеликі відхилення, тому його можна використовувати як показник години і може вважатися відомим заздалегідь, тому визначається емпіричними формулами і змінюється лише за певними астрофізичними законами. Щодо температури на 2 м та вітру на 10 м, ці метеорологічні дані відомі, оскільки вони потрібні не лише для прогнозування роботи відновлюваних джерел енергії, а також у сільському господарстві. Тому дані, що стосуються сонячної радіації, вважаються найбільш проблематичними, оскільки це значення є найскладніше визначити. Супутникові дані можуть мати помилку, встановлення метеостанцій, а саме якісні піранометри є дорогою процедурою, але допоможе забезпечити навчальний зразок якісних даних. Для прогнозування із задовільною точністю необхідно зібрати дані за 1 рік експлуатації метеостанції. Для прогнозування генерації використовували модулі nntool та Anfis MATLAB. Але отримані результати можна використовувати для оцінки ефективності фотоелектричних електростанцій, але вони незадовільні для оперативного балансування системи.
Paper considers the perspectives and potential of using renewable energy sources to decide the global warming problem. The World trend of increasing electricity generation by photovoltaic power stations according to the International Renewable Energy Agency and the trend of increasing the installed capacity of photovoltaic power stations in Ukraine, which supply the generated capacity at a "green" tariff according to the National Commission for State Regulation of Energy utilities of Ukraine. Opportunities and conditions of using artificial neural networks to defined the power generation of photovoltaic power stations on the example of the power plant "Tsekinivska-2" 4–5 turns are investigated. A platform developed by the European Commission – Photovoltaic Geographical Information System – was used to create a database for the creation and training of artificial neural networks. Regularities of change of meteorological satellite data and their influence on electricity generation of photovoltaic power stations are established. For this purpose, the software complex MATLAB was used, namely the module for the creation of artificial neural networks – Neural Networks Toolbox. The height of the sun is conditionally considered constant and its value is repeated from year to year or has a slight deviation, so it can be used as an indicator of the hour and can be considered known in advance, so determined by empirical formulas and changes only under certain astrophysical laws. Regarding the temperature at 2 m and the wind at 10 m, these meteorological data are known, as they are needed not only for forecasting the operation of renewable energy sources but also in agriculture. Therefore,data related to solar radiation are considered to be the most problematic, as this value is the most difficult to determine. Satellite data may have an error, the installation of weather stations, namely quality pyranometers is a costly procedure, but will help provide a training sample of quality data. To forecast with satisfactory accuracy, it is necessary to collect data for 1 year of operation of the weather station. The nntool and Anfis MATLAB modules were used to predict generation. But the obtained results can be used to assess the effectiveness of the photovoltaic power stations, but they are unsatisfactoryfor the operational balancing of the system.
ORCID: orcid.org/0000-0002-2660-182X
DOI: doi.org/10.20998/2224-0349.2020.01.11
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/53455
Appears in Collections:Вісник № 01. Енергетика: надійність та енергоефективність
Кафедра "Передача електроенергії"

Files in This Item:
File Description SizeFormat 
visnyk_KhPI_2020_1_ENTE_Rubanenko_Vyznachennia.pdf710,28 kBAdobe PDFThumbnail
View/Open
Show full item record  Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.