Статтю присвячено розвитку моделей прогнозування відпуску електроенергії промисловими сонячними електростанціями на основі штучних нейронних мереж та використання числового прогнозу погоди. Актуальність дослідження обумовлена необхідністю зменшення витрат, пов'язаних з небалансами виробників з відновлюваних джерел енергії (ВДЕ), які іноді сягають 50 % відпущеної електроенергії, а також зростанням небалансів таких виробників в ОЕС України. Загальні небаланси виробників з ВДЕ сьогодні зумовлені падінням на 45 % виробництва зеленої електроенергії, зокрема і внаслідок того, що у південних і південно-східних регіонах бойові дії пошкодили або знищили 75 % вітрових електростанцій і 15 % сонячних станцій. Підвищення точності та стабільності прогнозування відпуску електроенергії такими виробниками можуть значно скоротити витрати на небаланси. Розроблено різні методи агрегації для 15-хвилинних значень вироблення зеленої енергії, щоб підвищити точність прогнозування для 1, 2 та 24-годинних інтервалів. Досліджено потенційні переваги використання значень числового прогнозу погоди (NWP) задля підвищення точності прогнозу. Проаналізовано вплив зовнішніх факторів на точність прогнозів з різною глибиною. У процесі дослідження використовувалися дві сучасні моделі рекурентної нейронної мережі, LSTM і GRU, з різними часовими послідовностями.

• Мірошник Володимир Олександрович (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"