Πρόβλεψη αιολικής παραγωγής με χρήση αναδρομικών νευρωνικών δικτύων ακτινωτής βάσης

Τογέλου, Αλεξία-Αθανασία; Togelou, Alexia-Athanasia

dc.contributor.author	Τογέλου, Αλεξία-Αθανασία
dc.contributor.author	Togelou, Alexia-Athanasia
dc.date.accessioned	2025-06-17T06:13:47Z
dc.date.available	2025-06-17T06:13:47Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/62064
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29760
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Αιολικό πάρκο	el
dc.subject	µοντέλα πρόβλεψης αιολικής ισχύος	el
dc.subject	νευρωνικά δίκτυα	el
dc.subject	αναδροµικά νευρωνικά δίκτυα συναρτήσεων ακτινωτής βάσης	el
dc.subject	σειριακός αλγόριθµος εκπαίδευσης	el
dc.subject	MRAN	en
dc.subject	Wind farm	en
dc.subject	wind power forecast	en
dc.subject	numerical weather predictions	en
dc.subject	recurrent radial basis function neural networks	en
dc.subject	sequential learning algorithm	en
dc.title	Πρόβλεψη αιολικής παραγωγής με χρήση αναδρομικών νευρωνικών δικτύων ακτινωτής βάσης	el
dc.contributor.department	Τομέας Ηλεκτρικής Ισχύος	el
heal.type	bachelorThesis	el
heal.classification	Τεχνητά Νευρωνικά ∆ίκτυα	el
heal.language	el	el
heal.access	free	el
heal.recordProvider	ntua	el
heal.publicationDate	2010-09-01
heal.abstract	Η αιολική ενέργεια γνωρίζει πλέον τεράστια ανάπτυξη, γεγονός που διαπιστώνεται εύκολα από την αύξηση της εγκατεστηµένης ισχύος στην Ευρώπη αλλά και παγκοσµίως. Τα τελευταία χρόνια, η εγκατεστηµένη ισχύς παγκοσµίως έχει αυξηθεί από 2.5 GW το 1992 σε 40 GW το 2003, µε ετήσιο ρυθµό ανάπτυξης κοντά στο 40%. Και εξαιτίας του ρυθµού µείωσης των συµβατικών πηγών ενέργειας και της µόλυνσης του περιβάλλοντος, η ανάγκη για αντικατάστασή τους έχει αυξήσει τον βαθµό διείσδυσης της αιολικής ενέργειας και άλλων ανανεώσιµων πηγών ενέργειας στα δίκτυα ισχύος. Παρόλο που η αιολική ενέργεια γίνεται όλο και πιο δηµοφιλής και είναι από τις πιο οικονοµικές από τις ανανεώσιµες πηγές ενέργειας, ο ασταθής χαρακτήρας του ανέµου κάνει δύσκολη την ενσωµάτωσή της στα δίκτυα ισχύος. Για την αντιστάθµιση αυτής της µεταβλητότητας, απαιτούνται µοντέλα πρόβλεψης της αιολικής ισχύος για τις επόµενες ώρες, είτε για τη διαχείριση είτε για το εµπόριο της ενέργειας. Αυτά τα µοντέλα περιγράφονται σε αυτή τη διπλωµατική εργασία, και γίνεται µια αναλυτική περιγραφή του τρόπου λειτουργίας τους, των παραµέτρων που τα επηρεάζουν και τον τρόπο παραγωγής των προβλέψεων. Τα Τεχνητά Νευρωνικά ∆ίκτυα αποτελούν ένα αρκετά χρήσιµο εργαλείο για την πρόβλεψη της αιολικής ισχύος. Είναι συστήµατα επεξεργασίας πληροφοριών που το βασικό τους χαρακτηριστικό είναι ότι η οργάνωση και λειτουργία των δοµικών τους µονάδων µοιάζει µε εκείνη των δοµικών µονάδων (νευρώνες) του ανθρώπινου εγκεφάλου. Επίσης, η λειτουργία τους βασίζεται στην εκµάθηση µέσα από παραδείγµατα. Τα µοντέλα που παρουσιάζονται και χρησιµοποιούνται σε αυτή την εργασία, χρησιµοποιούν αριθµητικές προβλέψεις καιρού (ταχύτητα και κατεύθυνση ανέµου) που µαζί µε την ώρα της πρόβλεψης και την προηγούµενη τιµή της ισχύος αποτελούν τα δεδοµένα εισόδου. Έπειτα, χρησιµοποιούν έναν αυτό-οργανούµενο χάρτη για την κατηγοριοποίηση των δεδοµένων εισόδου σε κατηγορίες ανάλογα µε την ταχύτητα του ανέµου, όπου µετά αναλαµβάνουν τα αναδροµικά νευρωνικά δίκτυα συναρτήσεων ακτινωτής βάσης για την παραγωγή προβλέψεων της αιολικής ισχύος για µέχρι και 40 ώρες µπροστά. Οι µέθοδοι αυτές εφαρµόζονται σε ένα πραγµατικό αιολικό πάρκο στην Ιρλανδία.	el
heal.abstract	Wind energy is rapidly increasing all over the world, which can be easily confirmed by the increase of its installed capacities in Europe and worldwide, in general. Over the past decade, the global installed wind power capacity has increased from 2.5 GW in 1992 to over 40 GW at the end of 2003, at an annual growth rate of nearly 40%. Because of the increase rate of the conventional energy sources and the environmental pollution, the need to replace them has increased the wind energy and other renewable energy sources penetration levels in the power systems. Although wind energy is becoming more and more famous and is one of the most economic renewable energy sources, the unstable character that the wind shows makes its integration to the power systems difficult. For the compensation of this variability, wind power forecast (WPF) models are needed for the next hours, either to be used for its management or the energy trade. These models are described in this diplomatic thesis, and an analytic presentation of their performance, the parameters that has an impact on them and the production of the forecasts is presented. The Artificial Neural Networks constitute a useful tool for the wind power forecasting. Artificial Neural Networks are informational systems that their basic characteristics are that the organisation and operation of their structural units are the same of the human brain’s neurons. The Artificial Neural Networks operation is based on learning by exams, such as human brain. The models presented and used in this thesis, use numerical weather predictions (wind speed and direction) together with the hour of the forecast and the previous value of wind power consists of the total input data. Then, a self-organized map is used to classify the input data into categories according to their wind speed value, where the rbf neural networks help to produce wind power forecasts for up to 40 hours ahead. These methods are used in an actual wind farm in Ireland.	en
heal.sponsor	ΕΜΠ	el
heal.advisorName	Χατζηαργυρίου, Νικόλαος
heal.committeeMemberName	Χατζηαργυρίου, Νικόλαος
heal.committeeMemberName	Γεωργιλάκης, Παναγιώτης
heal.committeeMemberName	Παπαθανασίου, Σταύρος	el
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	135 σ.
heal.fullTextAvailability	false