Numer: 04/2023 Str. 162
Autorzy: Md.Mainul Islam , Hussain Shareef , Eslam Al-Hassan :
Tytuł: Technika głębokiego uczenia się do prognozowania promieniowania słonecznego i prędkości wiatru na potrzeby dynamicznej analizy mikrosieci
Streszczenie: Kluczowymi zmiennymi w rozwoju i działaniu systemów energii wiatrowej i słonecznej są prędkość wiatru i promieniowanie słoneczne. Prognozowanie parametrów energii słonecznej i wiatrowej jest ważne dla złagodzenia skutków wahań produkcji energii. W związku z tym niezbędne jest precyzyjne przewidywanie źródeł energii odnawialnej, takich jak promieniowanie słoneczne i prędkość wiatru. W tym artykule zaleca się metodę lasów losowych opartą na sztucznej inteligencji w celu oszacowania prędkości wiatru i promieniowania słonecznego. Sugeruje się optymalizację liczby drzew decyzyjnych w modelu losowego lasu przy użyciu nowego algorytmu łyski (CA), a skuteczność CA jest oceniana na podstawie obecnie stosowanej metody optymalizacji roju cząstek (PSO). W tej pracy wykorzystano najlepsze dane prognostyczne do opracowania dynamicznej mikrosieci (MG) w MATLAB/SIMULINK. Proponuje się nowy binarny CA do sterowania MG w celu zminimalizowania kosztów. Wpływ systemu magazynowania energii jest również badany podczas symulacji MG.
Słowa kluczowe: energia słoneczna, energia wiatrowa, prognozowanie, głębokie uczenie