Szczegóły publikacji
Opis bibliograficzny
Application of artificial neural networks (ANN) for forecasting energy yield from a photovoltaic (pv) installation — Wykorzystanie sztucznych sieci neuronowych w krótkookresowym prognozowaniu uzysku energetycznego z instalacji fotowoltaicznej (PV) / Jakub JURASZ, Mateusz ZAKRZEWSKI // Logistyka ; ISSN 1231-5478. — 2015 — nr 4 dod.: CD nr 3 Logistyka-nauka : artykuły recenzowane, s. 9068–9075. — Wymagania systemowe: Adobe Reader ; napęd CD-ROM. — Bibliogr. s. 9074–9075, Abstr., Streszcz.
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 91801 |
|---|---|
| Data dodania do BaDAP | 2015-09-11 |
| Rok publikacji | 2015 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Logistyka |
Abstract
Solar irradiation is characterized by a significant variability on a time scale. Thereby the source of electric energy based on photovoltaic effects becomes unstable. As a result there may appear periods when amount of energy generated from PV is insufficient to cover energy needs of scheduled activities. In a case of time series with a relatively high value of a coefficient of variation (CV) which fluctuations cannot be explained by known in advance exogenous variables one may apply artificial neural networks. In this paper values of hourly solar irradiation have been forecasted for five and fifteen minutes ahead based on solar irradiation level from former periods and located nearby hypothetical measuring stations. The obtained results are promising.
Streszczenie
Promieniowanie słoneczne cechuje się znaczną zmiennością w czasie. Tym samym źródła energii elektrycznej, wykorzystujące zjawisko efektu fotowoltaicznego stają się niestabilne. W rezultacie mogą występować okresy gdy ilość wyprodukowanej energii z instalacji PV jest niewystarczająca do pokrycia bieżącego zapotrzebowania. W wypadku szeregów czasowych cechujących się wysoką wartością współczynnika zmienności (CV), których wahania nie mogą być wyjaśnione przez wcześniej znane zmienne egzogeniczne, rozwiązaniem staje się zastosowania sztucznych sieci neuronowych. W tym artykule zaprezentowane zostało prognozowania wartości nasłonecznienie z pięcio oraz piętnastominutowym horyzontem czasowym, w oparciu o dane pochodzące z teoretycznych stacji pomiarowych znajdujących się w określonej odległości od badanej instalacji PV. Uzyskane wyniki są obiecujące.
