Πρόβλεψη ηλιακής ακτινοβολίας με χρήση νευρωνικών δικτύων και κάλυψη με ΦΒ συστήματα

Βλάσση, Αγγελική; Vlassi, Aggeliki

dc.contributor.author	Βλάσση, Αγγελική
dc.contributor.author	Vlassi, Aggeliki
dc.date.accessioned	2025-10-03T11:09:07Z
dc.date.available	2025-10-03T11:09:07Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/62627
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.30323
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	Θερμοκήπιο	el
dc.subject	Πρόβλεψη ηλιακής ακτινοβολίας	el
dc.subject	Νευρωνικό δίκτυο	el
dc.subject	Ατμοσφαιρική πίεση	el
dc.subject	Φωτοβολταικό πλαίσιο	el
dc.subject	Multi-layer perceptron	en
dc.subject	Neutral network toolbox	en
dc.subject	Simulink	en
dc.subject	Solar radiation	en
dc.subject	Sandia	en
dc.title	Πρόβλεψη ηλιακής ακτινοβολίας με χρήση νευρωνικών δικτύων και κάλυψη με ΦΒ συστήματα	el
dc.contributor.department	Τομέας Ηλεκτρικής Ισχύος	el
heal.type	bachelorThesis
heal.classification	εξάλειψη των συμβατικών εργοστασίων	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2010-09-01
heal.abstract	Σήμερα η διείσδυση των ανανεώσιμων πηγών ενέργειας γίνεται ολοένα και πιο επιτακτική ανάγκη για την σταδιακή εξάλειψη των συμβατικών εργοστασίων παραγωγής αλλά και για να επιτευχθούν οι στόχοι που τίθενται από την Ευρωπαϊκή Ένωση σχετικά με τα αέρια του θερμοκηπίου. Όπως οι περισσότερες ΑΠΕ έτσι και η ηλιακή ενέργεια είναι ένα μέγεθος στοχαστικό και άρα για να μπορέσει η παραγωγή ενός ΦΒ πάρκου να είναι εγγυημένη θα πρέπει να υπάρχει αξιόπιστη πρόβλεψη. Στην παρούσα διπλωματική εργασία επιχειρήθηκε η πρόβλεψη της ηλιακής ακτινοβολίας για το επόμενο εικοσιτετράωρο με την βοήθεια ενός νευρωνικού δικτύου perceptron πολλών επιπέδων (multi-layer perceptron) το οποίο βελτιστοποιήθηκε ώστε η πρόβλεψη να έχει το μικρότερο δυνατό μέσο τετραγωνικό σφάλμα. Το δίκτυο υλοποιήθηκε με τη βοήθεια του Matlab και πιο συγκεκριμένα του Neural Network Toolbox. Για την εκπαίδευση του μοντέλου χρησιμοποιήθηκαν δεδομένα ηλιακής ακτινοβολίας, ατμοσφαιρικής πίεσης και θερμοκρασίας για 445 μέρες και η πρόβλεψη αφορά στην 446η μέρα. Στη συνέχεια υλοποιήθηκε ένα μοντέλο φωτοβολταϊκού πλαισίου στο Simulink βασισμένο σε ένα μοντέλο της Sandia το οποίο καλύπτει μια πολύ μεγάλη γκάμα των πλαισίων που κυκλοφορούν στην αγορά και έτσι τελικά προκύπτει η πρόβλεψη ισχύος μέγιστης λειτουργίας που μπορεί να παράγει ένα φωτοβολταϊκό πλαίσιο συγκεκριμένου τύπου.	el
heal.abstract	Nowadays the penetration of renewable energy sources is of great importance for the gradual phasing out of conventional plants and the achievement of the goals set by the EU on greenhouse gases. Like most renewable energy sources, solar energy is stochastic, and thus to reassure that the production of a PV park is guaranteed, a reliable prediction is needed. This thesis has attempted to predict the solar radiation for the next day with the help of a neural network based on multi-layer perceptron which is optimized so that the prediction has the lowest mean square error. The network was implemented with the help of Matlab and namely the Neural Network Toolbox. To train the model we used solar radiation, atmospheric pressure and temperature data for 445 days and the forecast refers to the 446th day. Then a model for the output of photovoltaic modules was implemented in Simulink based on a model of Sandia, which covers a very wide range of modules on the market. Thus ultimately we could forecast the maximum power of a photovoltaic module for the next day.	en
heal.sponsor	ΕΜΠ	el
heal.advisorName	Χατζηαργυρίου, Νικόλαος
heal.committeeMemberName	Χατζηαργυρίου, Νικόλαος
heal.committeeMemberName	Παπαθανασίου, Σταύρος
heal.committeeMemberName	Γεωργιλάκης, Παναγιώτης
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	135 σ.
heal.fullTextAvailability	false