مقاله شبکه عصبی مصنوعی برای ارزیابی تأثیر سیستم های فوتوولتائیک مجاورت در پیش بینی توان در اوترخت، هلندAn artificial neural network to assess the impact of neighbouring photovoltaic systems in power forecasting in Utrecht, the Netherlands
0 (0)

0دیدگاه کاربران

در انبار موجود نمی باشد

مقاله شبکه عصبی مصنوعی برای ارزیابی تأثیر سیستم های فوتوولتائیک مجاورت در پیش بینی توان در اوترخت، هلندAn artificial neural network to assess the impact of neighbouring photovoltaic systems in power forecasting in Utrecht, the Netherlands

0 (0)

0دیدگاه کاربران

15,000 تومان

ژورنال

ELSEVIER

سال انتشار

2016

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

15,000 تومان

نقد و بررسی

مقاله شبکه عصبی مصنوعی برای ارزیابی تأثیر سیستم های فوتوولتائیک مجاورت در پیش بینی توان در اوترخت، هلند

چکیده فارسی :

برای انجام پیش بینی های تولید برق سیستم فوتوولتائیک (PV)، سیستم معماری شبکه عصبی با استفاده از رگرسیون اتوماتیک غیر خطی با مدل ورودی های برون زاد (NAR) نه تنها با استفاده از داده های تحولات جوی پیاده سازی شده است بلکه علاوه بر این مقیاس هایی از سیستم های PV مجاورت به عنوان ورودی ها پیاده سازی شده اند. پیکربندی های ورودی برای ارزیابی تأثیرات ورودی های مختلف مقایسه شده اند. مقدار افزوده اطلاعات سیستم های PV مجاورت نشان داد که دقت پیش بینی ها را هم در فصل زمستان و هم در تابستان بهبود می دهد. به علاوه، پیش بینی ها تا 1 ماه آموزده شدند و با مدل ماندگار مقایسه شدند. خطاهای مربع میانگین ریشه نرمال شده (nRMSE) در طیف 9% و 25% درصد قرار داشت، و مدل NARX بوضوح از مدل ماندگار برای پیش بینی افق های بیشتر از 15 دقیقه پیشی می گرفت.

چکیده انگلیسی:

In order to perform predictions of a photovoltaic (PV) system power production, a neural network architecture system using the Nonlinear Autoregressive with eXogenous inputs (NARX) model is implemented using not only local meteorological data but also measurements of neighbouring PV systems as inputs. Input configurations are compared to assess the effects of the different inputs. The added value of the information of the neighbouring PV systems has demonstrated to further improve the accuracy of predictions for both winter and summer seasons. Additionally, forecasts up to 1 month are tested and compared with a persistence model. Normalized root mean square errors (nRMSE) ranged between 9% and 25%, with the NARX model clearly outperforming the persistence model for forecast horizons greaterthan 15 min.

ژورنال

ELSEVIER

سال انتشار

2016

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش
دانشگاه یار

عضویت از 5 سال قبل

شماره تماس: 02166084966

امتیازی ثبت نشده
https://daneshgahyar.com/shop/daneshgahyar/

محصولات مرتبط