Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2023 - zeszyt 4

Deep Learning Technique for Forecasting Solar Radiation and Wind Speed for Dynamic Microgrid Analysis

Technika głębokiego uczenia się do prognozowania promieniowania słonecznego i prędkości wiatru na potrzeby dynamicznej analizy mikrosieci

10.15199/48.2023.04.27

nr katalogowy: 142673
10.15199/48.2023.04.27

Streszczenie

The key variables in the development and operation of wind and solar power systems are wind speed and solar radiation. The prediction of solar and wind energy parameters is important to alleviate the effects of power generation fluctuations. Consequently, it is essential to predict renewable energy sources like solar radiation and wind speed precisely. An artificial intelligence-based random forest method is recommended in this paper to estimate wind speed and solar radiation. The number of decision trees in the random forest model is suggested to be optimised using a novel coot algorithm (CA), and the effectiveness of the CA is evaluated to that of the currently used particle swarm optimisation (PSO) method. The best forecasting data are used in this work to develop a dynamic Microgrid (MG) in MATLAB/SIMULINK. A novel binary CA is proposed to control the MG to minimize the cost. The effect of the energy storage system is also investigated during the simulation of the MG.

Abstract

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

Keywords

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2023-4 , nr katalogowy 142673 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2023-4 licencja: Osobista Produkt cyfrowy Nowość	70.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2023-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma