Методи обробки геопросторових даних для визначення технічного потенціалу відновлюваних джерел енергії
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Кардашов О.В. Методи обробки геопросторових даних для визначення технічного потенціалу відновлюваних джерел енергії. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 122 Комп’ютерні науки. - Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026.
Дисертаційна робота присвячена вирішенню задачі підвищення точності просторового розподілу даних за упорядкованим каркасом точок із використанням методів геостатистичної інтерполяції та прогнозування проміжних значень методами машинного навчання в області оцінювання технічного потенціалу генерації електричної енергії за допомогою відновлювальних джерел енергії. Актуальність дослідження полягає в підвищенні точності просторового розподілу даних вхідного каркасу точок для поверхонь із однорідними та неоднорідними морфометричними і кліматичними параметрами. Застосування моделей машинного навчання для задачі прогнозування проміжних значень упорядкованого каркасу точок є перспективним напрямком досліджень в галузі відновлювальної енергетики для підвищення точності просторового розподілу відновлювального ресурсу в умовах гірських територій з нерівномірною орографією та кліматичними умовами, параметри яких використовуються моделлю машинного навчання для підвищення точності прогнозування. Об’єктом дослідження є процеси обробки, аналізу та моделювання геопросторових даних для застосування в галузі відновлювальної енергетики. Предметом дослідження виступають моделі та методи просторового моделювання на неупорядкованому розрідженому каркасі точок та обчислювальні алгоритми для розрахунку технічного потенціалу генерації відновлювальної енергетики. Метою дисертаційної роботи є створення методів прогнозування проміжних значень каркасу точок на основі регресійних та геостатистичних методів інтерполяції для удосконалення методів визначення потенціалу генерації відновлювальної енергетики. У ході виконання дослідження було розглянуто можливості удосконалення методів просторового моделювання геопросторових даних для задач оцінювання технічного потенціалу відновлюваних джерел енергії шляхом поєднання геостатистичних методів інтерполяції та методів прогнозування на основі машинного навчання. Уперше запропоновано метод просторового моделювання на неупорядкованому каркасі точок із використанням характеристик поверхні та середовища, у межах якого проміжні значення цільової характеристики визначаються прогнозуванням моделі машинного навчання що враховує вхідну вибірку предикторів, що у порівнянні із геостатистичними методами інтерполяції у класичних реалізаціях не обмежується виключно просторовою автокореляцією. Визначення проміжних значень здійснюється шляхом прогнозування методом Random Forest, послідовно використовуючи набори предикторів, що складаються виключно із морфометричних параметрів та комбінації морфометричних і кліматичних параметрів, що у межах виконаних експериментів забезпечило підвищення точності просторового моделювання відновлювального ресурсу порівняно із методом Ordinary kriging, та, відповідно, продемонструвало вищу точність прогнозування моделі, що була натренована на комбінованій вибірці морфометричних та кліматичних параметрів, у порівнянні із моделлю, що була натренована виключно на вибірці морфометричних параметрів. Вперше формалізовано опис геоданих для просторового моделювання на неупорядкованому каркасі точок, за яким визначається склад, класи та правила просторово-часового узгодження вхідних ознак, а також процедури отримання проміжних значень поверхні у точках, що не належать вхідному каркасу точок. У запропонованій моделі, геостатистичні методи застосовуються як статистично обґрунтований базис просторових оцінок і контролю невизначеності, тоді як регресійні моделі забезпечують багатовимірне врахування рельєфних і кліматичних коваріатів та нелінійних залежностей. Удосконалено модель оцінювання технічного потенціалу генерації електроенергії за рахунок інтеграції комбінації геостатистичних методів інтерполяції та прогнозування на основі машинного навчання в етап просторового розподілу відновлювального ресурсу. Модель реалізує адаптивний підхід до формування неперервного поля ресурсу залежно від та складності морфометричних і кліматичних умов території, та типу вхідних даних, котрі в практичній реалізації представляються спостереженнями метеостанцій, даними реаналізу або комбінованими вибірками з різних джерел. У межах подальших етапів визначення технічного потенціалу, модель поєднує шар географічного потенціалу, шар доступного відновлюваного ресурсу, карту придатності як зваженого інтегрального індексу, що агрегує жорсткі обмеження та небінарні критерії та процес обчислення максимальної встановленої потужності з виробітком електроенергії. Удосконалено методику формування вхідного набору даних для просторового розподілу шляхом розв’язання задачі регресії з узгодження недостовірної вибірки з достовірною за вузловими значеннями. Підхід передбачає оцінювання зміщення даних реаналізу відносно наземних спостережень і подальшу корекцію ресурсних значень, що підвищує узгодженість вхідної інформації перед виконанням інтерполяції або прогнозування проміжних значень та зменшує вплив систематичних похибок на підсумкові оцінки потенціалу. Практичне значення отриманих результатів визначається створенням прикладної системи оцінювання технічного потенціалу ВДЕ, у якій етап визначення кількості доступного відновлювального ресурсу підтримує альтернативні сценарії просторового моделювання. Реалізовано адаптивну модель із варіативними сценаріями формування шару ресурсу, що забезпечує вибір методу залежно від складу та якості вхідних даних і типу території з різнорідними морфометричними та кліматичними умовами, а також надає можливості для сценарного порівняння результатів за різними системами просторових обмежень. Для кожної визначеної придатної ділянки обчислюються показники максимально можливої встановленої потужності та енергетичного виробітку з урахуванням ресурсу і технологічних припущень, після чого виконуються агрегація за множиною ділянок та формування інтегральних оцінок території. Розроблено програмно-алгоритмічну схему обробки даних для формування неперервного поля ресурсу, яка включає модулі корекції даних реаналізу за значеннями опорних спостереженнями метеостанцій та даних реаналізу типу MERRA-2 від NASA POWER і модулі прогнозування проміжних значень за каркасом точок. Використання морфометричних і кліматичних предикторів у складі вхідних ознак забезпечує урахування орографічної та атмосферної неоднорідності, що є важливим для регіонів зі складним рельєфом і локально мінливістю кліматичних умов. Сформовані результати представляються у стандартизованих форматах геоданих – векторних шарів та растрових зображень, придатних для подальшого просторового аналізу, формування карти придатності та розрахунків показників технічного потенціалу. Апробацію моделі для вітрової енергетики на території України виконано з отриманням інтегральних оцінок максимальної встановленої потужності та потенціалу виробітку з урахуванням порогових значень коефіцієнта використання встановленої потужності. Встановлено, що при КВНП ≥ 0.2 технічний потенціал ВЕС для території України становить 726 365 МВт та 1 594 749 млн кВт·год/рік, а при КВНП ≥ 0.25 - 406 721 МВт та 1 040 634 млн кВт·год/рік, що демонструє вплив критерію відбору придатних зон на підсумкові оцінки та практичну придатність моделі для порівняння варіантів відбору територій за рівнем ефективності генерації. Апробацію моделі для сонячної енергетики виконано шляхом обчислення максимальної встановленої потужності та річної генерації на основі визначення географічного потенціалу території України та технологічних параметрів розміщення фотоелектричних модулів. За підсумком агрегації по території України визначено сумарну доступну площу для СЕС від 1 МВт 101 945.8746 км², і становить приблизно 17% території України, що відповідає площі встановлених ФЕМ 40 311.5 км², 8 062 300 МВт максимальної встановленої потужності та 10 030 497.41 млн кВт·год/рік теоретично досяжної річної генерації. Отримані результати формують взаємопов’язаний набір модулів для просторового аналізу та моделювання ресурсних обмежень, орієнтовану на отримання оцінок потенціалу ВДЕ в умовах неоднорідності вхідних спостережень і різної складності кліматичних та рельєфних умов. Запропоновані рішення можуть застосовуватися як елемент геоінформаційних систем підтримки планування розвитку ВДЕ та для порівняльного аналізу альтернативних наборів просторових обмежень і сценаріїв моделювання ресурсу.
Опис
Ключові слова
моделювання, інтерполяція та прогнозування геоданих на каркасі точок, кригінг, нейронні мережі, машинне навчання, класифікація зображень, корекція даних реаналізу, просторове прогнозування на каркасі точок, дискретизована регулярна сітка, геопросторовий аналіз, геоінформаційне моделювання, відновлювана енергетика, відновлювані джерела енергії, оцінювання технічного потенціалу ВДЕ, modelling, geodata interpolation and prediction on a point grid, kriging, neural networks, machine learning, image classification, reanalysis data bias correction, spatial prediction on a point grid, discretized regular grid, geospatial analysis, geoinformation modeling, renewable energy, renewable energy sources, assessment of the technical potential of renewable energy generation
Бібліографічний опис
Кардашов, О. В. Методи обробки геопросторових даних для визначення технічного потенціалу відновлюваних джерел енергії : дис. … д-ра філософії : 122 Комп’ютерні науки / Кардашов Олександр Вадимович. – Київ, 2026. – 208 с.