Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2024

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Load control battery strategy based on backpropagation and simulated annealing training performance

Pambudi Wahyu S., Firmansyah Riza Agung, Dawenan Christabella M., Muharom Syahri, Rachman Andy, Alfianto Enggar, Sa'diyah Aminatus, Tompunu Alan Novi

Przegląd Elektrotechniczny

2024

R. 100, nr 9

167--170

Nowadays, the light control system only uses scheduling so if the season changes the system becomes less effectivity. This study aims to compare the backpropagation (BP) and simulated annealing (SA) algorithm training performances for the ANN system. The selection of the ANN method for estimating the intensity of solar radiation is because it can estimate the daily or hourly average solar radiation with high accuracy. In order to find out the best performance, this research compares BP and SA algorithms based on their Mean Square Error (MSE) and Absolute Error (AE) values. Based on the results, this study shows that MSE and AE values for SA are better than BP. The MSE value of SA is 0.047338156 lower than BP, while the AE value of SA is 19.26% lower than BP. The results of this study prove that for training on a supervised control system using ANN, simulated annealing could be prioritized in the active power load control strategy.

Obecnie system sterowania oświetleniem opiera się wyłącznie na harmonogramie, zatem w przypadku zmiany pory roku skuteczność systemu staje się mniejsza. Celem tego badania jest porównanie wydajności uczenia algorytmu propagacji wstecznej (BP) i symulowanego wyżarzania (SA) dla systemu SSN. Wybór metody SSN do szacowania natężenia promieniowania słonecznego wynika z faktu, że pozwala ona z dużą dokładnością oszacować średnie dobowe lub godzinne promieniowanie słoneczne. Aby określić najlepszą wydajność, w badaniu tym porównano algorytmy BP i SA w oparciu o wartość błędu średniokwadratowego (MSE) i błędu bezwzględnego (AE). Na podstawie wyników badanie to pokazuje, że wartości MSE i AE dla SA są lepsze niż BP. Wartość MSE SA jest o 0,047338156 niższa niż BP, natomiast wartość AE SA jest o 19,26% niższa niż BP. Wyniki tego badania dowodzą, że w przypadku szkolenia w nadzorowanym systemie sterowania wykorzystującym SSN, symulowane wyżarzanie może mieć priorytet w strategii sterowania obciążeniem mocą czynną.