DESIGN OF A MATLAB GUI FOR SHORT-TERM SOLAR FORECASTING BASED ON DEEP LEARNING

• Дата: 2023
• Автори: Matushkin, D., Bosak, A.
• Формат: Стаття
• Мова: Ukrainian
• Опубліковано: Institute of Renewable Energy National Academy of Sciences of Ukraine 2023
• Теми: short-term forecasting; solar power plant; deep learning; Long Short-Term Memory; graphical user inter-face
• Онлайн доступ: https://ve.org.ua/index.php/journal/article/view/408
• Назва журналу: Vidnovluvana energetika

В енергосистемах важливо прогнозувати генерацію сонячної енергії для оптимізації роботи та зменшення впливу невизначеності. Для прогнозування сонячної енергії необхідно прогнозувати сонячне випромінювання, для чого зазвичай потрібні історичні дані про сонячне випромінювання та погодні параметри. Ці дані часто недоступні для домашніх та комерційних сонячних мікромереж. У цьому дослідженні пропонується модель погодинного прогнозування генерації SPP на наступний день, яка не залежить від історичних даних про сонячне випромінювання. Прогнозування виконується за допомогою інструмента глибокого навчання, як-от Long Short-Term Memory (LSTM), а результати подаються в систему на платформі симуляції MATLAB&Simulink. Як платформу симуляції представлено графічний інтерфейс користувача (GUI) в програмному комплексі MATLAB&Simulink для прогнозування погодинної потужності SPP. Ця платформа буде корисним і практичним механізмом для дослідників, які вивчають енергоменеджмент та для прогнозування й планування режимів роботи енергосистеми з відновлюваними джерелами енергії (ВДЕ). У цьому дослідженні виконано прогноз кількості енергії, яка буде згенерована SPP. Розроблений GUI використовувався для прогнозування вихідної потужності SPP протягом тестових днів. Потім отримані прогнозні дані були оцінені за середньо-квадратичною похибкою (RMSE) і середньою абсолютною похибкою (MAE). Результати експериментів показали достатні показники точності. Запропонована модель досягла RMSE у розмірі 0,835 W і MAE у розмірі 0,353 W у деяких наборах даних.