راه حل هوش مصنوعی برای مدیریت واحد تولید انرژی فتوولتائیک

چکیده

کلمات کلیدی

1-مقدمه

2-هوش مصنوعی در تولید برق فتوولتائیک

2-1- شبکه عصبی مصنوعی پیشخور به عنوان برآورد کننده

2-2- شبکه عصبی مصنوعی پیشخور در تولید برق فتوولتائیک

3-طراحی و پیاده سازی از یک تخمین تولید برق شبکه عصبی مصنوعی 

3-1- شناسایی مدل پیش بینی 

شکل:   SEQ شکل:_ \* ARABIC 1 رگرسیون چند جمله ای برای مدلسازی تولید ماهانه برق

شکل:   SEQ شکل:_ \* ARABIC 2 میانگین رگرسیون حرکتی (با دو دوره) برای مدلسازی تولید ماهانه برق

شکل:   SEQ شکل:_ \* ARABIC 3نمونه تکامل تولید روزانه برق برای سایت تولیدی مورد نظر

شکل:   SEQ شکل:_ \* ARABIC 4نمونه تکامل تولید روزانه برق برای سایت تولیدی مورد نظر

3-2- پیش بینی تولید برق بر اساس شبکه عصبی پیشخور چند لایه

4-نتایج و یافته های اصلی

شکل:   SEQ شکل:_ \* ARABIC 5 مثالی از پیش بینی تولید برق نمونه ساعتی با توجه به یک روز پنجره داده رگرسیون

شکل:   SEQ شکل:_ \* ARABIC 6 مثالی از پیش بینی تولید برق نمونه ساعتی با توجه به 10 روز پنجره داده رگرسیون

جدول:   SEQ جدول:_ \* ARABIC 1 مقادیر بدست آمده برای شاخص های عملکرد از پیش بینی

5-نتیجه گیری و کارهای آینده

هدف از این پژوهش بررسی امکان استفاده از هوش مصنوعی در پیش‌بینی تولید انرژی فتوولتائیک است. رویکرد ارائه‌شده به عنوان یک ماژول مدیریت انرژی و برنامه‌ریزی تولید یک نیروگاه فتوولتائیک در بخش مرکزی رومانی تلقی می‌شود. هدف اصلی این تحقیق توسعه یک راه‌حل است که تولید الکتریسیته (برق) را براساس داده‌های تابش خورشیدی موجود و تاریخچه آن در زمان واقعی (بلادرنگ) فراهم ‌کند. موارد ورودی داده های مختلف و پیکربندی شبکه عصبی مصنوعی تست می‌شوند و به عنوان مبنا برای بحث‌ها و نتایج مورد استفاده قرار می‌گیرند.

افزایش مداوم منابع انرژی تجدید پذیر برای تولید انرژی در ارتباط با سیاست‌های انرژی ملی و بین‌المللی می‌تواند در سال‌های اخیر مورد توجه قرار گیرد. علاوه بر فواید استفاده از آن‌ها ، کاربرد آن‌ها به تنوع موضوعات اشاره دارد که باید در سطوح مختلف حل شوند. حضور منابع انرژی تجدیدپذیر ممکن است منجر به تغییرات در جریان انرژی، ولتاژ خط، جریان در مدار‌های عادی یا کوتاه‌ شود، که ممکن است کیفیت قدرت شبکه توزیع را تحت تاثیر قرار دهد، و ممکن است باعث ایجاد تغییراتی در تنظیمات و پایداری حفاظت سیستم قدرت شود. در نتیجه، می توان مشاهده کرد که یکپارچه‌سازی منابع انرژی تجدیدپذیر در پیکربندی سیستم قدرت واقعی، چالش‌های فنی پیچیده را نشان می‌دهد که نیازمند مجموعه‌ای از تحلیل‌های خاص مانند: کیفیت انرژی، حفاظت سیستم قدرت، فرمان عملیاتی شبکه، کنترل پوشش منحنی بار، مدیریت سیستم قدرت و غیره است. با در نظر گرفتن مورد منابع فتوولتائیک خورشیدی که در شبکه برق ادغام می‌شوند، با توجه به تغییرپذیری بلند مدت آن حتی تا ۸۰ درصد در صورت یک ابر گذرا ، توجه فزاینده‌ای باید به تحلیل در دسترس بودن واریانس انرژی خورشیدی صورت گیرد. این مقاله به بررسی امکان تخمین توان تولید شده در صورت تاثیرات قابل‌توجه واحدهای فتوولتائیک خورشیدی در شبکه می‌پردازد که عمدتا برای به حداقل رساندن تاثیر آن بر شبکه برق و بهبود کلی کنترل عملیات شبکه مفید است. چالش اصلی در دستیابی به هدف پیشنهاد شده، مربوط به پیچیدگی مدل‌های درگیر با دشواری در یافتن راه‌حل پیش‌بینی مناسب با دقت کافی است. راهکارهای نوین مبتنی بر تکنیک‌های هوش مصنوعی می‌توانند نشان‌دهنده روشی مناسب برای مدل‌سازی وابستگی پیچیده داده‌های مورد استفاده در فرآیند برآورد باشند. مساله تخمین توان تولید شده به خوبی در کارهای مرتبط، به عنوان منابع متعدد در مورد پیش‌بینی انرژی فتوولتائیک خورشیدی نشان‌داده شده‌است. رویکردهای متعددی نیز وجود دارند که می‌توانند به پیش‌بینی توان تولید شده منجر شوند: در نظر گرفتن نقطه شروع در دسترس بودن تابش خورشیدی ( ساعتی، روزانه، هفتگی، تشعشعات خورشیدی ماهانه ) یا مستقیما خروجی برق از سیستم‌های فتوولتائیک. همانطور که در تحقیقات قبلی [ ۹ ] بیان شد، تولید انرژی از تخمین منابع فتوولتائیک به تحلیل نیاز دارد: • تفاوت الگوهای جهانی در شرایط دسترسی بودن انرژی خورشیدی در نتیجه شرایط جغرافیایی و آب و هوایی؛ • تغییرات آب و هوایی که منجر به تجدید نظر در برخی از مدل‌ها و الگوهای مورد استفاده می‌شود. • سیستم‌های تولید مقیاس بزرگ برای تولید برق از مصرف انرژی خورشیدی و در نتیجه تاثیر فزاینده این سیستم‌ها بر سیستم‌های انرژی موجود؛ • همبستگی انرژی خورشیدی با عوامل اقلیمی، آلودگی و مصرف انرژی. در بخش‌های زیر، نویسندگان قصد دارند پیش‌بینی تولید برق از واحد تولید انرژی فتوولتائیک در ایالت Mures را مورد ارزیابی قرار دهند.