Система автоматичного керування розподілом енергії на базі нейронної мережі

Автор(и)

  • О.С. Живогляд Національний технічний університет України «Київський політехнічний інститут ім. Ігора Сикорського»

Ключові слова:

Control system, neuron network, NARX, Smart Grid, Levenberg-Marquardt optimization, Bayesian regulation

Анотація

Анотація - у цій статті розглядається проблема прогнозування кількості виробленої енергії з поновлюваних джерел за допомогою нейронної мережі. Наша система може бути частиною деяких систем для завдань управління розподілом енергії. Перше наше завдання - це аналіз інформації. Ми відсортували всі вхідні дані з поновлюваних джерел і розділили їх на чотири типи кожен за сезон (літо, осінь, зима, весна). Друге полягає в тому, що ми прогнозуємо майбутні значення, використовуючи рекурентну нейронну мережу під назвою "Нелінійна авторегресивна моделі оброблена з екзогенним входом "(NARX), яка навчалася за попередніми даними з джерел та погодних умов, які вже були відсортовані за сезоном для більш точних значень. У цій роботі ми детально проаналізуємо цю модель прогнозування та дамо деякі результати моделювання. Після того, як ми передбачили величини, ми зможемо проаналізувати та порівняти їх із оціночним рівнем споживання, тоді ми можемо контролювати розподіл електричної енергії по електромережі, відключивши деякі не важливі системи. Якщо ми не можемо зрівняти рівень регенерації та споживання, ми перетворимо нашу систему на загальне джерело електричної енергії, щоб дати деякий час для відновлювального джерела, щоб зарядити акумулятор. Система здебільшого незалежна, але вона може бути інтегрована у велику чи малу Smart Grid. Такі системи часто включають відновлювані джерела енергії, і вони потребують постійного розподілу. Крім того, наша система може економити гроші лише тому, що головним її пріоритетом є ефективне використання електричної енергії. Всі ми знаємо, що енергія з відновлюваних джерел дешевша, ніж із загальної електричної мережі, і система намагається використовувати її на 100%.

Посилання

Eugen Diaconescu, The use of NARX Neural Networks to predict Chaotic Time Series, WSEAS TRANSACTIONS on COMPUTER RESEARCH, Issue 3, Volume 3, March 2008.

M. T. Hagan, O. D. Jesus, R. Schultz, Training Recurrent Networks for Filtering and Control, in (editors) L.R. Medsker, L.C. Jain, Recurrent Neural Networks – Design and Applications, CRC Press, 2001.

D.P. Mandic, J.A. Chambers, Recurrent Neural Networks for Prediction, JohnWiley&Sons, 2001.

Zina Boussaada, Octavian Curea, Ahmed Remaci, Haritza Camblong, Najiba Mrabet Bellaa, A Nonlinear Autoregressive Exogenous (NARX) Neural Network Model for the Prediction of theDaily Direct Solar Radiation, Energies 2018, 11, 620

H.B. Demuth, M. Beale, Users’ Guide for the Neural Network Toolbox for Matlab, The Mathworks, Natica, MA, 1998

##submission.downloads##

Опубліковано

2019-12-23

Як цитувати

Живогляд, О. (2019). Система автоматичного керування розподілом енергії на базі нейронної мережі. Світлотехніка та Електроенергетика , 2(52), 68–71. вилучено із https://lepe.kname.edu.ua/index.php/lepe/article/view/406

Номер

Том 2 № 52 (2018): Світлотехніка та електроенергетика

Розділ

Електроенергетика

Ліцензія

   Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  • Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  • Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  • Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).