Application of artificial neural networks (ANN) for forecasting energy yield from a photovoltaic (pv) installation
PBN-AR
Instytucja
Wydział Zarządzania (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Informacje podstawowe
Główny język publikacji
EN
Czasopismo
Logistyka
ISSN
1231-5478
EISSN
Wydawca
Instytut Logistyki i Magazynowania. Dział Upowszechniania Wiedzy
DOI
Rok publikacji
2015
Numer zeszytu
4
Strony od-do
9068--9075
Numer tomu
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
0.64
Autorzy
(liczba autorów: 2)
Słowa kluczowe
EN
artificial neural networks
forecasting
photovoltaic
intermittency
PL
sztuczne sieci neuronowe
fotowoltaika
prognozowanie
zmienność
Open access
Tryb otwartego dostępu
Otwarte czasopismo
Wersja tekstu w otwartym dostępie
Wersja opublikowana
Licencja otwartego dostępu
Creative Commons — Uznanie autorstwa-Niekomercyjne-Bez utworów zależnych
Czas opublikowania w otwartym dostępie
Razem z publikacją
Streszczenia
Język
EN
Treść
Solar irradiation is characterized by a significant variability on a time scale. Thereby the source of electric energy based on photovoltaic effects becomes unstable. As a result there may appear periods when amount of energy generated from PV is insufficient to cover energy needs of scheduled activities. In a case of time series with a relatively high value of a coefficient of variation (CV) which fluctuations cannot be explained by known in advance exogenous variables one may apply artificial neural networks. In this paper values of hourly solar irradiation have been forecasted for five and fifteen minutes ahead based on solar irradiation level from former periods and located nearby hypothetical measuring stations. The obtained results are promising.
Język
PL
Treść
Promieniowanie słoneczne cechuje się znaczną zmiennością w czasie. Tym samym źródła energii elektrycznej, wykorzystujące zjawisko efektu fotowoltaicznego stają się niestabilne. W rezultacie mogą występować okresy gdy ilość wyprodukowanej energii z instalacji PV jest niewystarczająca do pokrycia bieżącego zapotrzebowania. W wypadku szeregów czasowych cechujących się wysoką wartością współczynnika zmienności (CV), których wahania nie mogą być wyjaśnione przez wcześniej znane zmienne egzogeniczne, rozwiązaniem staje się zastosowania sztucznych sieci neuronowych. W tym artykule zaprezentowane zostało prognozowania wartości nasłonecznienie z pięcio oraz piętnastominutowym horyzontem czasowym, w oparciu o dane pochodzące z teoretycznych stacji pomiarowych znajdujących się w określonej odległości od badanej instalacji PV. Uzyskane wyniki są obiecujące.
Cechy publikacji
original article
peer-reviewed
Inne
System-identifier
idp:091801