<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Оптимізація короткострокового прогнозування генерування сонячних електростанцій із використанням рекурентних нейронних мереж

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Підвищення точності прогнозування генерування відновлюваних джерел енергії (ВДЕ) є актуальним питанням сьогодення. Через мінливий характер генерування ВДЕ, точність прогнозу генерування має вагомий вплив на підтримку балансу енергосистеми. Запропонований метод дозволяє врахувати сучасні вимоги до якісного прогнозування та спрощує сам процес з точки зору аналізу, обробки та використання даних.
Improving the accuracy of renewable energy generation forecasting is a pressing issue today. Due to the variable nature of RES generation, the accuracy of the generation forecast has a significant impact on maintaining the balance of the power system. The proposed method allows to take into account modern requirements for highquality forecasting and simplifies the process itself in terms of data analysis, processing, and use.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

978-617-8163-57-0

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Кулик В. В., Затхей М. В. Оптимізація короткострокового прогнозування генерування сонячних електростанцій із використанням рекурентних нейронних мереж // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25584.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (3)

  1. A. Loureno et al. "Comparison of forecasting models for photovoltaic power generation". Energy Conversion and Management, 118, 2016, 404-418.
  2. Ковальчук О. А., Лежнюк П. Д., Комар В. О., Кравчук С. В. Прогнозування графіка генерування фотоелектричних станцій на наступну добу.
  3. Zaruba D. S., Shvets M. Y., Khokhlov Y. V. Machine Learning for Power Consumption and Generation Prediction.