кандидат технических наук, доцент
Candidate of Sciences (Engineering), Docent
бакалавр
Bachelor’s Degree Student
Прогноз вырабатываемой электроэнергии солнечной электростанции позволяет эффективно и безопасно управлять электрическими сетями, интегрирующими кластер солнечных электростанций. Штрафные тарифы закупки рынка «сутки вперед» электроэнергии солнечных электростанций, отклоняющейся более чем на 5 % максимальной мощности солнечной электростанции от предоставляемого почасового макета рынка «сутки вперед» выработки солнечной электростанции, актуализируют повышение точности макета рынка «сутки вперед» путем создания эффективных интеллектуальных систем прогнозирования выработки солнечной электростанции. Проведенный анализ существующего программного обеспечения показал отсутствие доступного программного обеспечения для эффективного прогноза выработки солнечной электростанции, целесообразность и актуальность создания ПО, реализующего интеллектуальную систему прогнозирования выработки солнечной электростанции. В настоящем исследовании разработана, апробирована и реализована как программа для ЭВМ на основе модифицированной нечеткой нейросети с механизмом внимания интеллектуальная система непрямого прогнозирования выработки солнечной электростанции. В нотации UML CASE-средством Microsoft Visio созданы диаграмма классов и блочно-модульная архитектура программы для ЭВМ, реализующей интеллектуальную систему непрямого прогнозирования выработки солнечной электростанции. Гибкость созданной программы для ЭВМ обеспечивает блочно-модульная архитектура. Апробация программы для ЭВМ, реализующей интеллектуальную систему непрямого прогнозирования выработки солнечной электростанции, отражает ее эффективные, робастные результаты и целесообразность ее применения для построения макетов рынка «сутки вперед». База данных SCADA солнечной электростанции легко интегрируется с интеллектуальной системой непрямого прогнозирования вырабатываемой электроэнергии солнечной электростанции.
The forecasting of electric power generated by a solar power plant enables effective and safe control over electric networks which integrate a cluster of solar power plants. Penalty rates for the purchase of solar power at the day-ahead market, which deviates by more than 5 % of the maximum capacity of solar power plants from the provided hourly model of the day-ahead market of solar power generation, update the accuracy of the day-ahead market model through effective intelligent systems for forecasting solar power generation. It has been found that there is no accessible software for successful forecasting of solar power generation; the advisability and relevance of designing such software with an intelligent system have been shown based on the fi ndings of the examined existing software. The study developed, tested and implemented an intelligent system of indirect forecasting of solar power generation in the form of computer software designed based on a modifi ed fuzzy neural network with an attention mechanism. A class diagram and a block-modular architecture for computer software that implements an intelligent system of indirect forecasting of solar power generation were developed in UML notes using the Microsoft Visio CASE tool. A block-modular architecture provides the fl exibility of computer software. The computer software implementing an intelligent system of indirect forecasting for solar power generation was tested for effectiveness, robust results, and the advisability of its application for building a day-ahead market model. The SCADA database of a solar power plant can be easily integrated with an intelligent system of indirect forecasting of solar power generation.
The authors declare that there are no conflicts of interest present.