Прогнозування викидів вуглецю у електроенергетичних системах із застосуванням нейронних мереж

Abstract

Парниковий ефект, утворений масивними викидами вуглекислого газу, завдав серйозної шкоди навколишньому середовищу, в якому енергетика є одним з основних джерел глобальних викидів парникових газів. Скорочення викидів вуглецю в електроенергетиці відіграє важливу роль у зменшенні викидів парникових газів та пом'якшенні екологічних, економічних і соціальних наслідків зміни клімату, а прогнозування викидів вуглецю є важливою основою для формування політики щодо скорочення викидів вуглецю в електроенергетиці. У доповіді представлено детальний огляд результатів досліджень з прогнозування викидів вуглецю на основі глибокого навчання. Представлені основні нейронні мережі, що застосовуються в галузі прогнозування викидів вуглецю в

The greenhouse effect generated by massive carbon dioxide emissions has caused serious damage to the Earth's environment, in which energy is one of the main sources of global greenhouse gas emissions. Reducing carbon emissions in the electricity sector plays an important role in reducing greenhouse gas emissions and mitigating the environmental, economic and social impacts of climate change, and carbon emissions forecasting is an important basis for formulating policies to reduce carbon emissions in the electricity sector. The report provides a detailed overview of the results of research on carbon emissions forecasting based on deep learning. It presents the main neural networks used in the field of carbon emissions forecasting in Ukraine and abroad, as well as models that combine other methods and neural networks, and discusses the main roles of different methods in combination with neural networks. Neural networks have been used to predict carbon emissions in the electricity sector, and the performance of different models in terms of carbon emissions has been compared. The paper summarizes the application of neural networks in the field of carbon emissions forecasting and discusses future research directions.