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

Підвищення точності короткостокового прогнозу генерування фотоелектричних станцій

Скорочена інформація про документ
dc.contributor.authorКулик, В. В.uk
dc.contributor.authorЗатхей, М. В.uk
dc.contributor.authorKulyk, V.en
dc.contributor.authorZathey, M.en
dc.titleПідвищення точності короткостокового прогнозу генерування фотоелектричних станційuk
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКулик В. В., Затхей М. В. Підвищення точності короткостокового прогнозу генерування фотоелектричних станцій // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21083.uk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21083
dc.identifier.isbn978-617-8163-14-3
dc.identifier.udc621.311
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/47084
dc.description.abstractПідвищення точності прогнозу генерування відновлюваних джерел енергії (ВДЕ) є актуальним питанням сьогодення. Через мінливий характер генерування ВДЕ, точність прогнозу 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.uk
dc.subjectелектроенергетична системаuk
dc.subjectвідновлювані джерела енергії (ВДЕ)uk
dc.subjectпрогнозуванняuk
dc.subjectelectric power systemen
dc.subjectrenewable energy sources (RES)en
dc.subjectforecastingen
dc.typeThesis
dc.language.isouk_UAuk_UA
dc.relation.referencesA. Loureno et al. Comparison of forecasting models for photovoltaic power generation. Energy Conversion and Management, 118, 2016, 404-418.en
dc.relation.referencesTime Series: Theory and Methods by Peter J. Brockwell and Richard A. Davis (2016).en
dc.relation.referencesBreiman, Leo. Random forests. Machine learning 45.1 (2001): 5-32.en
dc.relation.referencesBox, G. E. P., Jenkins, G. M., & Reinsel, G. C. (2015). Time Series Analysis: Forecasting and Control. John Wiley & Sons.en
dc.date.accessioned2025-07-24T11:03:37Z
dc.date.available2025-07-24T11:03:37Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
21083.pdf
Розмір:
601,6 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
17 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання