NEURO-NETWORK MODEL FOR PROVIDING ELECTRICITY GENERATION BY RENEWABLE SOURCES IN ENERGY MANAGEMENT SYSTEM OF LOCAL OBJECT
DOI:
https://doi.org/10.20535/1813-5420.2.2019.190002Abstract
The paper provides continuation research related to the analysis of the structures of combined power systems. It’s considered with regard the choice of the model line of power traditional and renewable sources for forming energy balance microgrid system to increase the efficiency of management energy local objects.
The research is to substantiate and implement a neural network model to predict the generation of electricity from renewable sources to develop intelligent algorithms for the energy management system of local objects. Neural network modeling, theory of computational intelligence, and gradient optimization methods for analyzing the behavior of multicomponent systems were used to create an intelligent prognostic apparatus.
The principles of intelligent management combined power supply of local objects based on neural network prediction of electricity generation by renewable sources are substantiated. The paper is proposed basic algorithms for the system of energy management of local objects.
By means of neural network prediction electricity generation by renewable sources, the basic theoretical principles of creation of the system of intellectual control of the combined electric supply of local objects based on a conditional dynamic tariff are formulated.
It is given based to allow users conditional dynamic tariff to reconcile real-time power schedules with one parameter.
The propose a neural network model for a combined power system with a wind- solar power plant to develop algorithms and structural and logical diagram of intelligent management power consumption local object with heterogeneous sources is allowed. It’s based to use statistics of daily electricity generation with half-hour discrete energy.
References
European Smart Grids Technology Platform. Vision and Strategy for Europe’s Electricity Networks of the Future. – Luxembourg: Office for Official Publications of the European Communities, 2006.
Kaplun V. V. Umovnyi dynamichnyi taryf yak kryterii efektyvnosti funktsionuvannia mikroenerhetychnykh system lokalnykh obiektiv / V. V. Kaplun // Visnyk Kyivskoho natsionalnoho universytetu tekhnolohii ta dyzainu. Seriia : Tekhnichni nauky. - 2016. - № 3. - S. 50-58.
Kaplun V.V. Resursno-protsessnыi podkhod k postroenyiu matematycheskoi modely mykroэnerhetycheskoi systemы / V. V. Kaplun, P. A. Pavlov, V. N. Shtepa // Visnyk Kyivskoho natsionalnoho universytetu tekhnolohii ta dyzainu. Seriia "Tekhnichni nauky" : retsenzovanyi naukovyi zhurnal. – 2016. – № 2. – S. 48-60.
Global Energy Forecasting Competition 2014: Probabilistic Solar Power Forecasting [Електронний ресурс]. URL: https://www.crowdanalytix.com/contests/global-energy-forecasting-competition-2014- probabilistic-solar-power-forecasting (дата звернення: 29.07.2019)
Brester Ch. Yu., Semenkin E. S. Development of adaptive genetic algorithms for neural network models multicriteria design // Вестник Сибирского государственного аэрокосмического университета им. академика М. Ф. Решетнева. 2013. № 4 (50). С. 99–103.
Cortes C., Vapnik V. N. Support-Vector Networks // Machine Learning, 20, 1995.
Smola A. J., Schoelkopf B. A tutorial on support vector regression. Statistics and Computing, 1998.
Y-K Wu, and J-S Hong, “A literature review of wind forecasting technology in the world,” IEEE Power Tech 2007, Lausanne , pp. 504-509, 1-5 July 2007.
“Load Forecasting” Chapter 12, E.A Feinberg and Dora Genethlio, Page 269 – 285
Kruhlov V.V. Yskusstvennыe neironnыe sety. Teoryia y praktyka / V.V. Kruhlov. – M.: Horiachaia lynyia – Telekom, 2002. – 382 s.
Neiromerezheve prohnozuvannia chasovykh riadiv temperatury navkolyshnoho pryrodnoho seredovyshcha / V.P. Lysenko, N.A. Zaiets, V.M. Shtepa, A.O. Dudnyk // Bioresursy i pryrodokorystuvannia: nauk. zhurn. – 2011. – T. 3, № 3-4. – S. 102-108.
Downloads
Published
Issue
Section
License
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
