| Popis: |
Obnovljivi izvori energije unatoč svojim prednostima još uvijek nisu u stanju zamijeniti fosilna goriva i konvencionalne načine dobivanja energije. Budući da je proizvodnja energije iz obnovljivih izvora direktno ovisna o atmosferskim uvjetima, ne može se sa sigurnošću znati kada će i koliko energije fotonaponski sustav proizvoditi. Kako bi se osigurala ravnoteža proizvodnje i potrošnje električne energije iz fotonaponskih sustava bitna je predikcija proizvodnje. Cilj ovog rada je razviti predikcijski postupak pomoću kojeg bi se mogla procijeniti proizvodnja fotonaponskog polja za jedan dan unaprijed. Predikcijski postupak napravljen je pomoću modela proizvodnje električne energije, odnosno lookup tablice. U tu svrhu prikupljeni su meteorološki podaci te podaci o proizvodnji fotonaponskih polja. Predikcija temperature polja napravljena je pomoću dinamičkog termičkog modela i modela neuronske mreže pri čemu se model razvijen pomoću neuronske mreže pokazao kao kvalitetnije rješenje. Renewable energy sources, despite their benefits, have not been able to replace fossil fuels and conventional ways of obtaining energy. Since energy production from renewable sources directly depends on atmospheric conditions, we can not know with certainty when and how much energy photovoltaic systems are going to produce. To ensure the balance of electricity production and consumption from photovoltaic arrays, we must be able to predict energy production. The aim of this work is to develop a predictive method which will be able to assess the production of photovoltaic arrays one day in advance. Prediction is made using a power generation model and lookup table. For this purpose meteorological data as well as energy production data of photovoltaic arrays were collected. Predicting the temperature array was performed using a dynamic thermal model and the neural network model in which model developed using neural network proved to be a better solution. |
