PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Budowa modelu prognostycznego farmy wiatrowej w środowisku MATLAB

Autorzy
Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Construction of wind farms forecasting model in MATLAB
Konferencja
GDAŃSKIE DNI ELEKTRYKI (XXXVII ; 11-12.10.2012 ; Gdańsk, Polska)
Języki publikacji
PL
Abstrakty
PL
Liberalizacja rynku energii elektrycznej sprawiła, że branża elektroenergetyczna przechodzi obecnie dynamiczny rozwój różnych jej obszarów (aspektów). Jednym z aspektów jest prognozowanie mocy jednostek wytwórczych źródeł wiatrowych. W prognozowaniu wykorzystuje się różnego rodzaju narzędzia matematyczne. Autor niniejszej publikacji poświęcił szczególną uwagę sztucznym sieciom neuronowym. Za pomocą modeli neuronowych istnieje możliwość predykcji generacji mocy wytwórczej farm wiatrowych. Budowa modelu prognostycznego wymaga umiejętności programistycznych. Powszechnym środowiskiem programistycznym, umożliwiającym budowę modeli, jest oprogramowanie naukowo-techniczne MATLAB. Wykorzystując wbudowane funkcje (gotowe moduły) istnieje możliwość zbudowania modelu prognostycznego farmy wiatrowej. W artykule przedstawiono sposób zamodelowania wybranej struktury neuronowej za pomocą modułu Neural Toolbox oraz przeprowadzono test nauczonej sieci.
EN
The liberalization of the electricity market has made electric power industry is undergoing rapid development its different areas (aspects). One aspect is the forecasting power generating units wind sources. The prediction uses various mathematical tools. The author of this publication has devoted special attention to artificial neural networks. Using neural models can predict power generation manufacturing of wind farms. Construction of a predictive model requires programming skills. A common programming environment that allows the construction of models, is the scientific and technical software MATLAB. Using the built-in (ready modules) it is possible to build a predictive model of the wind farm. This article shows you how to model a neural structure chosen by Neural Toolbox module and performed background and sensor network test.
Twórcy
Bibliografia
  • 1. Mabel M.C., Fernandez E., Analysis of wind power generation and prediction using ANN: A case study, Renewable Energy 33 (2008) 986–992, ScienceDirect, 2007.
  • 2. Rubanowicz T., Metody predykcji produkcji mocy parku wiatrowego, Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej nr 25, Gdańsk 2008.
  • 3. Dobrzyński K., Przegląd systemów przeznaczonych do predykcji mocy wytwarzanej w farmach wiatrowych, Aktualne Problemy w Elektroenergetyce, Jurata, 2009.
  • 4. Lingling Li, Minghui Wang, Fenfen Zhu, and Chengshan Wang, Wind Power Forecasting Based on Time Series and Neural Network, ISCSCT ’09, ISBN 978-952-5726-07-7, Huangshan, P. R. China, 26-28,Dec. 2009, pp. 293-297
  • 5. Catalão J.P.S., Pousinho H.M.I., Mendes V.M.F., Shortterm wind power forecasting in Portugal by neural networks and wavelet transform, Renewable Energy 36 (2011) 1245e1251, ScienceDirect, 2010.
  • 6. Blonbou R, Very short-term wind power forecasting with neural networks and adaptive Bayesian learning, Renewable Energy 36 (2011) 1118e1124, ScienceDirect, 2010.
  • 7. An X., JiangD., Zhao M., Liu C., Short-term prediction of wind power using EMD and chaotic theory, Commun Nonlinear Sci Numer Simulat 17 (2012) 1036–1042, ScienceDirect, 2011.
  • 8. Materiały edukacyjne Państwowej Wyższej Szkoły Zawodowej w Lesznie, Instytut Politechniczny o kierunku Elektrotechnika, http://elektrotechnika.ip.pwsz.edu.pl/
  • 9. Encyklopedia Wikipedia, stan na dzień 15.10.2012 r., http://pl.wikipedia.org/wiki/MATLAB
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPG8-0090-0027
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.