Uczestnicy rynku energetycznego (inwestorzy, producenci energii, operatorzy sieci, konsumenci itp.) stoja w obliczu potencjalnych wyzwan, takich jak rosnace zapotrzebowanie na energie, nowe wzorce zuzycia energii, integracja (nieciaglych) odnawialnych zródel energii z sieciami energetycznymi oraz ewolucja sieci energetycznych.Ksiazka bada mozliwosc przewidywania produkcji samokonsumpcyjnej instalacji fotowoltaicznej za pomoca sztucznych sieci neuronowych. Porównalismy dwie architektury sieci neuronowych (zapetlona i niezapetlona) w odniesieniu do regresji wielorakiej w celu uzyskania wydajnego i wiarygodnego narzedzia do przewidywania produkcji instalacji PV na podstawie danych meteorologicznych (naslonecznienie i temperatura otoczenia).W tym celu wykorzystalismy dane z monitoringu zakladu z okresu 72 dni, aby zbudowac, wytrenowac i przetestowac dwie topologie sieci neuronowych (zapetlona i niezapetlona), które sa trenowane algorytmem Levenberga-Marquardta.
Inzynier badawczy specjalizujacy sie w energiach odnawialnych i systemach inteligentnych. Ukonczyl studia licencjackie w zakresie Stosowanej Technologii Solarnej na Uniwersytecie w Wagadugu (Burkina Faso) oraz studia magisterskie w zakresie badan w Ecole Polytechnique de Thiès (Senegal). Obszary badawcze: energia odnawialna - systemy inteligentne - AI i uczenie maszynowe.
Give your opinion and be the first to write a review.