Artikelbeschreibung
Die Akteure des Energiemarktes (Investoren, Stromerzeuger, Netzbetreiber, Verbraucher usw.) stehen vor potenziellen Herausforderungen wie der wachsenden Energienachfrage, neuen Energieverbrauchsmustern, der Integration von (intermittierenden) erneuerbaren Energiequellen in die Stromnetze und der Weiterentwicklung der Stromnetze.In diesem Buch wird die Möglichkeit untersucht, die Produktion einer selbstverbrauchenden Photovoltaikanlage durch künstliche neuronale Netze vorherzusagen. Wir haben zwei neuronale Netzwerkarchitekturen (geloopt und ungeloopt) in Bezug auf die multivariate Regression miteinander verglichen, um ein effizientes und zuverlässiges Werkzeug für die Vorhersage der Produktion einer PV-Anlage auf der Grundlage meteorologischer Daten (Sonnenschein und Umgebungstemperatur) zu erhalten.Dazu haben wir Überwachungsdaten einer Anlage über einen Zeitraum von 72 Tagen verwendet, um zwei neuronale Netzwerktopologien (mit und ohne Schleifen) zu erstellen, zu trainieren und
zu testen, die mit dem Levenberg-Marquardt-Algorithmus trainiert wurden.
Personeninformation
Cissé, Abdou Aziz
Forschungsingenieur mit Spezialisierung auf erneuerbare Energien und intelligente Systeme. Hat einen Bachelor-Abschluss in angewandter Solartechnik von der Universität Ouagadougou (Burkina Faso) und einen Forschungs-Master-Abschluss von der Ecole Polytechnique de Thiès (Senegal). Forschungsgebiete: Erneuerbare Energien - Intelligente Systeme - KI & Maschinelles Lernen.
Mehr von Cissé, Abdou Aziz; Diallo, Mamadou Salif
Bewertungen
Die Bewertungen werden vor ihrer Veröffentlichung nicht auf ihre Echtheit überprüft. Sie können daher auch von Verbrauchern stammen, die die bewerteten Produkte tatsächlich gar nicht erworben/genutzt haben.