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

Оптимізація короткострокового прогнозування генерування сонячних електростанцій із використанням рекурентних нейронних мереж

dc.contributor.authorКулик, В. В.uk
dc.contributor.authorЗатхей, М. В.uk
dc.contributor.authorKulyk, V. V.en
dc.contributor.authorZathey, M. V.en
dc.titleОптимізація короткострокового прогнозування генерування сонячних електростанцій із використанням рекурентних нейронних мережuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКулик 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.uk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25584
dc.identifier.isbn978-617-8163-57-0
dc.identifier.udc621.311
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/48465
dc.description.abstractПідвищення 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.uk
dc.description.abstractImproving 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.en
dc.subjectелектроенергетична системаuk
dc.subjectФЕСuk
dc.subjectпрогнозуванняuk
dc.subjectelectricity 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.referencesКовальчук О. А., Лежнюк П. Д., Комар В. О., Кравчук С. В. Прогнозування графіка генерування фотоелектричних станцій на наступну добу.uk
dc.relation.referencesZaruba D. S., Shvets M. Y., Khokhlov Y. V. Machine Learning for Power Consumption and Generation Prediction.en
dc.date.accessioned2025-08-13T10:01:56Z
dc.date.available2025-08-13T10:01:56Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
25584.pdf
Розмір:
306,25 KB
Формат:
Adobe Portable Document Format

Ліцензійна угода

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