В наши дни потребление энергии в мире растет и становится актуально решение задачи по замене традиционных источников на альтернативные. Решение данной задачи невозможно без предварительного анализа данных и дальнейшего прогнозирования выработки энергии альтернативными источниками. Однако использование альтернативных источников энергии в условиях оптового рынка электроэнергии и мощности, действующего в настоящее время на территории Российской Федерации, невозможно без применения краткосрочных прогностических моделей «на сутки вперед». В настоящей статье авторами проведен краткий анализ существующих методов краткосрочного прогнозирования, которые применяются при построении прогнозов выработки электроэнергии солнечными электростанциями. В настоящее время существует уже довольно большое количество прогностических моделей, построенных в рамках каждого из выделенных методов краткосрочного прогнозирования, и все они отличаются своими особенностями. Поэтому с целью выделения наиболее перспективного для дальнейшего использования и развития метода краткосрочного прогнозирования авторами была использована ранее разработанная классификация. В ходе исследования была проведена первоначальная обработка исходных данных, полученных от существующих солнечных электростанций при помощи спектрального анализа. Далее для построения прогностической модели был проведен корреляционный анализ исходных данных, который показал отсутствие линейной зависимости между компонентами в ретроспективных данных. Авторами, основываясь на показаниях корреляционного анализа, было принято решение о подборе параметров для целей построения прогностической модели эмпирическим путем. В результате проведенного исследования была предложена математическая модель, основанная на искусственной нейронной сети, и сформирована обучающая выборка к ней. Кроме того, была определена архитектура искусственной нейронной сети, результатом работы которой является краткосрочный прогноз выработки электрической энергии в режиме «на сутки вперед» и выполнены расчеты по получению численных значений прогноза. Из результатов исследования следует, что разработанная прогностическая модель на прогнозируемом интервале имеет среднюю абсолютную ошибку примерно 13,5 МВт. Однако на некоторых интервалах пиковые расхождения могут достигать до 200 МВт. Среднеквадратическая ошибка модели равна 27,8 МВт.
Нейросетевая модель для краткосрочного прогнозирования выработки электрической энергии солнечными электростанциями / Д.А. Тюньков, А.С. Грицай, А.С. Сапилова, А.В. Бло-хин, В.С. Родионов, В.И. Потапов // Научный вестник НГТУ. – 2020. – № 4 (80). – С. 145–158. – DOI: 10.17212/1814-1196-2020-4-145-158.
Tyunkov D.A., Gritsay A.S., Sapilova A.A., Blokhin A.V., Rodionov V.S., Potapov V.I. Neirosetevaya model' dlya kratkosrochnogo prognozirovaniya vyrabotki elektricheskoi energii solnechnymi elektrostantsiyami [A neural network model for short-term forecasting of electricity generation by solar power plants]. Nauchnyi vestnik Novosibirskogo gosudarstvennogo tekhnicheskogo universiteta = Science bulletin of the Novosibirsk state technical university, 2020, no. 4 (80), pp. 145–158. DOI: 10.17212/1814-1196-2020-4-145-158.