ПІДВИЩЕННЯ ТОЧНОСТІ БАГАТОФАКТОРНИХ КОРОТКОСТРОКОВИХ ПРОГНОЗІВ ГЕНЕРАЦІЇ СОНЯЧНИХ ЕЛЕКТРОСТАНЦІЙ НА ОСНОВІ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ

• Date: 2024
• Main Authors: Мирошник, В.О., Лоскутов, С.С.
• Format: Article
• Language: Ukrainian
• Published: Інститут електродинаміки НАН України, Київ 2024
• Subjects: короткострокове прогнозування; нейронні мережі; рекурентні нейронні мережі; сонячні електростанції; СЕС
• Online Access: https://techned.org.ua/index.php/techned/article/view/1492
• Journal Title: Technical Electrodynamics

Статтю присвячено розвитку моделей прогнозування відпуску електроенергії промисловими сонячними електростанціями на основі штучних нейронних мереж та використання числового прогнозу погоди. Актуальність дослідження обумовлена необхідністю зменшення витрат, пов'язаних з небалансами виробників з відновлюваних джерел енергії (ВДЕ), які іноді сягають 50% відпущеної електроенергії, а також зростанням небалансів таких виробників в ОЕС України. Загальні небаланси виробників з ВДЕ сьогодні зумовлені  падінням на 45% виробництва зеленої електроенергії, зокрема і внаслідок того, що у південних і південно-східних регіонах бойові дії пошкодили або знищили 75% вітрових електростанцій і 15 % сонячних станцій. Підвищення точності та стабільності прогнозування відпуску електроенергії такими виробниками можуть значно скоротити витрати на небаланси. Розроблено різні методи агрегації для 15-хвилинних значень вироблення зеленої енергії, щоб підвищити точність прогнозування для 1, 2 та 24-годинних інтервалів. Досліджено потенційні переваги використання значень числового прогнозу погоди (NWP) задля підвищення точності прогнозу. Проаналізовано вплив зовнішніх факторів на точність прогнозів з різною глибиною. У процесі дослідження використовувалися дві сучасні моделі рекурентної нейронної мережі, LSTM і GRU, з різними часовими послідовностями. Бібл. 14, рис. 5, табл. 2.