Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Rynek Energii

1 2024

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Application of neural networks for predicting the energy yield of a photovoltaic module

Łukasz Dyoniziak, Joanna Aleksiejuk-Gawron

Rynek Energii

2024

Nr 6

104--109

The article presents the application of artificial neural networks for predicting the energy yield of a monocrystalline photovoltaic module. The research was based on measurement data from a meteorological station and a photovoltaic systems laboratory, located at the Institute of Mechanical Engineering, Warsaw University of Life Sciences. The input data included the sum of solar radiation, external temperature, and module temperature, while the model's output was energy yield. MATLAB and the Neural Net Pattern Recognition tool were used to develop the predictive model. The results demonstrated high predictive accuracy, confirmed by, among other things, low mean square error values and high correlation coefficients, suggesting the potential of utilizing artificial neural networks for optimal energy yield management in photovoltaic systems.

W artykule przedstawiono zastosowanie sztucznych sieci neuronowych do predykcji uzysku energetycznego z monokrystalicznego modułu fotowoltaicznego. Badania oparto na danych pomiarowych pochodzących ze stacji meteorologicznej oraz laboratorium systemów fotowoltaicznych znaj duj ących się w Instytucie Inżynierii Mechanicznej, Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Dane wejściowe obejmowały sume natężenia promieniowania słonecznego, temperature zewnętrzną i temperaturę modułu, natomiast wyjściem modelu był uzysk energetyczny. Do opracowania modelu predykcyjnego wykorzystano program MATLAB i narzedzie Neural Net Pattern Recognition. Wyniki wykazały wysoką skuteczność predykcji, potwierdzoną m.in. niskimi wartościami błędu średniokwadratowego oraz wysokimi współczynnikami korelacji, . co sugeruje potencjał zastosowania sztucznych sieci neuronowych w optymalnym zarządzaniu uzyskiem energii z systemu fotowoltaicznego.