Система короткострокового прогнозування припливу води під час регулювання режимів роботи Дністровської ГЕС

Скорочена інформація про документ
dc.contributor.advisorБосак, Алла Василівна
dc.contributor.authorМарченко, Костянтин Олександрович
dc.date.accessioned2023-01-06T09:17:37Z
dc.date.available2023-01-06T09:17:37Z
dc.date.issued2022
dc.description.abstractenTo forecast the production of the active power of hydropower plants, it is necessary to develop a mathematical model considering the main factors affecting the amount of energy generation. In the dissertation, the main factors influencing the operation of hydroelectric power plants are highlighted using correlation analysis. Considering the determined factors, models were built to find the function of mapping meteorological factors from the amount of electricity generation. As a result of the conducted research, a new approach to forecasting the water inflow in the reservoir was presented when planning the operating modes of hydroelectric power plants based on recurrent neural networks. A double hidden layer was used for each of the networks. The main role in the accuracy of modeling is played by the number of neurons in the hidden layers, the learning speed and the number of iterations, the optimal values of which were obtained by the selection method.uk
dc.description.abstractukДля прогнозування виробництва активної потужності ГЕС потрібно розробити математичну модель з урахуванням основних факторів, що впливають на величину генерації енергії. В дисертації виділено основні фактори, що впливають на роботу ГЕС за допомогою кореляційного аналізу. З урахуванням визначених факторів побудовано моделі знаходження функції відображення метеорологічних факторів від обсягу вироблення електроенергії. В результаті проведених досліджень було представлено новий підхід до прогнозування припливу води у водосховищі при плануванні режимів роботи гідроелектростанцій на основі рекурентних нейронних мереж. Для кожної з мереж використовувався подвійний прихований шар. Основну роль у точності моделювання відіграють кількість нейронів у прихованих шарах, швидкість навчання та кількість ітерацій, оптимальні значення яких були отримані методом підбору.uk
dc.format.page85 с.uk
dc.identifier.citationМарченко, К. О. Система короткострокового прогнозування припливу води під час регулювання режимів роботи Дністровської ГЕС : магістерська дис. : 141 Електроенергетика, електротехніка та електромеханіка / Марченко Костянтин Олександрович. – Київ, 2022. – 85 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/51742
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectПрогнозуванняuk
dc.subjectштучна нейронна мережаuk
dc.subjectрежими роботи гідроелектростанціїuk
dc.subjectкореляціяuk
dc.subjectприпливuk
dc.subject.udc556.3.013uk
dc.titleСистема короткострокового прогнозування припливу води під час регулювання режимів роботи Дністровської ГЕСuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Marchenko_magistr.pdf
Розмір:
2.53 MB
Формат:
Adobe Portable Document Format
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 (АЕМК)
Магістерські роботи