Дослідження методів і засобів прогнозування та керування споживанням альтернативної енергії на основі аналізу метеофакторів

Abstract

У дипломній роботі магістра проведено аналіз сучасного стану технологій прогнозування, визначено задачі прогнозування, досліджено стандарти і моделі роботи фотоелектричних систем. Визначено недоліки існуючих моделей і засобів прогнозування в галузі альтернативної енергетики. Визначено критерії якості альтернативної енергії, які враховано у методах і моделях прогнозування споживання електроенергії з використанням штучних мереж. Запропоновано нове застосування методу прогнозування навантаження фотоелектричних систем, при реалізації якого подані на вхід тестові сигнали та врахування перехідного стану дало змогу формувати послідовності для проведення навчання нейромережевого контролера прогнозування без використання детального математичного опису. Запропоновано нове застосування методу первинної обробки даних метеопрогнозу, що базується на використанні нормалізації даних відносно кумулятивної потужності фотоелектричної станції, що дає змогу адекватно опрацювати дані для системи прогнозування. Проаналізовано результати згенеровані системою та можливості роботи її з багатокроковим прогнозуванням. Продукт реалізований із можливостями подальшої модернізації. На базі розроблених методів навчена система здатна працювати з керованими інверторами та дає змогу збільшити якість подачі струму при умові доопрацювання моніторингу значень струмів та напруг в трьох фазах та гармонічного спектру.

In the master's degree work analyzed the current state of forecasting technology, identified prediction problems, investigated common models of photovoltaic systems. Conclusions made on imperfect models and tools in alternative energy forecasting. New elements of methods and models of electricity consumption forecasting there used in artificial networks. A new forecasting method use photovoltaic systems, the implementation of which is given to the input test signals and taking into account the transition state made it possible to generate sequences for training neural network forecasting controller without detailed mathematical description. Implemented forecasting system using meteorogical factors conducted primary processing of photovoltaic stations, developed by the research of nonlinear autoregressive exogenous model network of meteo data. Tthe new use of the method of primary data forecasting based on normalization using data regarding the cumulative photovoltaic power station, which allows to adequately process the data forecasting system. The results generated by the system and its ability to work with multi-forecasting. Product realized with the possibility of further modernization. On the basis of the developed methods trained system can operate with controlled inverters and enables you to increase the quality of the power supply provided revision and modification monitoring values currents and voltages in three phases and harmonic spectrum.