Analiza ważności danych wejściowych dla krótkoterminowej prognozy generacji PV w zakładzie przemysłowym

• Autorzy: Piotrowski Paweł , Kopyt Marcin , Rokicki Łukasz

Identyfikatory

DOI

10.15199/48.2024.08.17

Warianty tytułu

EN

Input data importance for short-term forecasting of a PV generation in an industrial facility

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia analizę statystyczną danych stanowiących potencjalne zmienne wejściowe do modeli prognostycznych w zadaniu prognozowania generacji energii z horyzontem 15 minut przez elektrownię słoneczną działającą na potrzeby zakładu przemysłowego. Dokonano wyboru tych zmiennych a następnie oceniono ich ważność dla wybranych modeli uczenia maszynowego. Do prognoz wykorzystano m.in.: sieć neuronową typu MLP, las losowy, drzewa decyzyjne wzmacniane gradientowo oraz regresję liniową wieloraką. Zakończenie artykułu stanowią wnioski z wykonanych badań.

EN

The article presents a statistical analysis of data that constitute potential input variables for forecasting models in the task of predicting energy generation with a 15-minute horizon by a solar power plant operating for the needs of an industrial facility. A selection of these variables was made, followed by an evaluation of their importance for selected machine learning models. The forecasts used include: a Multilayer Perceptron neural network, random forest, gradient boosting decision trees and multiple linear regression. The article concludes with the findings from the conducted research.

Słowa kluczowe

PL

uczenie maszynowe; ważność cech; elektrownia słoneczna; krótkoterminowa prognoza

EN

machine learning; feature Importance; solar power plant; short-term forecasting

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 8
• Strony: 82--85
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Piotrowski Paweł

• Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa, Polska

• https://orcid.org/0000-0001-8086-6231

autor

Kopyt Marcin

• Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa, Polska

• https://orcid.org/0000-0001-7398-1901

autor

Rokicki Łukasz

• Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa, Polska

• https://orcid.org/0000-0003-3539-708X

Bibliografia

• [1] Pardo, Nicolás, and José Antonio Moya. "Prospective Scenarios on Energy Efficiency and CO2 Emissions in the European Iron & Steel Industry." Energy (Oxford) 54 (2013): 113-128
• [2] Boloy Ronney, A.M., da Cunha, R.A., Rios, E.M., de Araújo Santos Martins Janaína, Soares, L.O., de Sá Machado, V.A. & de Moraes, D.R. 2021, "Waste-to-Energy Technologies Towards Circular Economy: a Systematic Literature Review and Bibliometric Analysis", Water, Air and Soil Pollution, vol. 232, no. 7
• [3] Further Improvements of Energy Efficiency in Industry. Luxembourg: Publications Office, 2022. Web
• [4] Kiss, Tibor, and Steve Popovics. Evaluation on the Effectiveness of Energy Policies – Evidence from the Carbon Reductions in 25 Countries. Renewable & sustainable energy reviews 149 (2021): 111348. Print
• [5] Bersalli, Germán, Philippe Menanteau, and Jonathan El- Methni. Renewable Energy Policy Effectiveness: A Panel Data Analysis across Europe and Latin America. Renewable & sustainable energy reviews 133.November (2020): 110351. Print
• [6] Sun, Yanlei, Zhanlei Xing, and Guojun Liu. Achieving Resilient Cities Using Data-Driven Energy Transition: A Statistical Examination of Energy Policy Effectiveness and Community Engagement. Sustainable cities and society 101 (2024): 105155. Print
• [7] Narciso, Diogo A. C, and F. G Martins. "Application of Machine Learning Tools for Energy Efficiency in Industry: A Review." Energy Reports 6 (2020): 1181-1199. Web
• [8] Zuo, Hongyan et al. Investigation on Energy-Effectiveness Enhancement of Medium-Frequency Induction Furnace Based on an Adaptive Chaos Immune Optimization Algorithm with Mutative Scale. Processes 10.3 (2022): 491. Print
• [9] Kumar, Anil, and Om Prakash. Effect Of Insulation On Energy And Exergy Effectiveness Of A Solar Photovoltaic Panel Incorporated Inclined Solar Still—An Experimental Investigation. Green Energy and Technology. Singapore: Springer Singapore Pte. Limited, 2019. 275 292. Print. Green Energy and Technology
• [10] Piotrowski P., Parol M., Kapler P., Fetliński B., Advanced Forecasting Methods of 5-Minute Power Generation in a PV System for Microgrid Operation Control, Energies 2022, 15(7), https://doi.org/10.3390/en15072645, -23
• [11] Piotrowski P., Analiza doboru zmiennych w zadaniu prognozowania ultrakrótkoterminowego produkcji energii elektrycznej w systemach fotowoltaicznych, Przegląd Elektrotechniczny, 90 (2014), nr 4, 5-9
• [12] Kopyt M., Power Flow Forecasts: A Status Quo Review. Part 1: RES Generation Prediction, Przegląd Elektrotechniczny, 96(2020), no. 11, 1-4
• [13] Baczyński D., Parol M., Piotrowski P., Współczesne problemy prognozowania w elektroenergetyce. Zagadnienia wybrane, Pod redakcją naukową Mirosława Parola, OWPW, (2020)
• [14] Baczyński D., Parol M., Piotrowski P., Wybrane zagadnienia prognozowania produkcji energii elektrycznej z wykorzystaniem odnawialnych nośników energii, Pod redakcją naukową Mirosława Parola, OWPW, (2023)
• [15] Dobrzańska I., Dąsal K., Łyp J., Popławski T., Sowiński J., Prognozowanie w elektroenergetyce Zagadnienia wybrane. Wydawnictwo Politechniki Częstochowskiej. Częstochowa (2002)

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).