Система прогнозування генерації електроенергії вітряною станцією із застосуванням методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorБугаєва, Людмила Миколаївна
dc.contributor.authorСидоренко, Іван Андрійович
dc.date.accessioned2020-01-24T13:29:29Z
dc.date.available2020-01-24T13:29:29Z
dc.date.issued2019-12
dc.description.abstractenExplanatory note: 90 pages, 29 figures, 18 tables, 3 appendices, 16 sources in the list of links. The object of the study is a technical decision support system based on machine learning technology. The purpose of this work is developing a machine learning application of wind power forecasting. The research method of this work is investigation of using Artificial Neural Networks and macine learning systems for wind power forecasting. The result of this study is software application that can be used for wind power forecastiong at the nearest 8 hours with average accuracy at 80 or more percentage. The actuality of the work - as the wind power industry is growing extremely fast, it's mandatory to have an opportunity of connection the huge power of wind electricity stations to industrial eleicticity grids. At the same time all modern Europian countries invest more and more in wind electicity stations. Besides, the electicity market becomes more and more influencing, and to be a part of the market players, wind power producers must have a reliable prediction system.uk
dc.description.abstractukПояснювальна записка: 90 сторінок, 29 рисунки, 18 таблиць, 3 додатки, 16 джерел за переліком посилань. Об’єкт дослідження – система підтримки прийняття технічних із застосуванням методів машинного навчання. Ціль роботи – розробка програмного забезпечення на базі ШНМ для передбачення генерації електроенергії вітряною станцією. Методи дослідження – дослідити використання ШНМ у прогнозування генерації електроенергії вітряними станціями. Результатом роботи є програмне забезпечення (реалізована штучна нейронна мережа), яке можна використовувати для прогнозування сумарної кількості електроенергії що буде вироблена вітряною станцією протягом майбутніх 8 годин з точністю 80-85%. Актуальність роботи – разом із швидким поширенням та розвитком вітряної енергетики критично важливим є можливість її безпечного підключення у електромережу. При досягненні частки ВС у 25-30% від загальної потужності електромережі, виникає ризик дестабілізації мережі. Як наслідок потрібно застосовувати техніки акумуляції та прогнозування електроенергії на короткострокові терміни (1-3 доби). Крім того, в країнах Європи все більшої популярності набуває ринок електроенергії. Такий підхід дозволяє децентралізувати сферу енергетики, проте вимагає укладення угод між гравцями ринку щодо кількості енергопостачання та енергоспоживання на «добу наперед».uk
dc.format.page91 с.uk
dc.identifier.citationСидоренко, І. А. Система прогнозування генерації електроенергії вітряною станцією із застосуванням методів машинного навчання : магістерська дис. : 151 Автоматизація та комп’ютерно-інтегровані технології / Сидоренко Іван Андрійович. – Київ, 2019. – 91 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/31089
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectматематична модель нейронаuk
dc.subjectштучні нейронні мережіuk
dc.subjectметод зворотнього розповсюдження помилкиuk
dc.subjectмашинне навчанняuk
dc.subjectбагатошаровий перцептронuk
dc.subjectвітряна енергетикаuk
dc.subjectвітряна енергетикаuk
dc.subjectпрогнозуванняuk
dc.subjectartificial neural networksuk
dc.subjectmachine learninguk
dc.subjectmultilayer perseptronuk
dc.subjectbackward propagationuk
dc.subjectwind poweruk
dc.subjectpredictionuk
dc.titleСистема прогнозування генерації електроенергії вітряною станцією із застосуванням методів машинного навчанняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Sydorenko_magistr.docx
Розмір:
10.12 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (КХТП)
Магістерські роботи