Die Akteure des Energiemarktes (Investoren, Stromerzeuger, Netzbetreiber, Verbraucher usw.) stehen vor potenziellen Herausforderungen wie der wachsenden Energienachfrage, neuen Energieverbrauchsmustern, der Integration von (intermittierenden) erneuerbaren Energiequellen in die Stromnetze und der Weiterentwicklung der Stromnetze.In diesem Buch wird die Möglichkeit untersucht, die Produktion einer selbstverbrauchenden Photovoltaikanlage durch künstliche neuronale Netze vorherzusagen. Wir haben zwei neuronale Netzwerkarchitekturen (geloopt und ungeloopt) in Bezug auf die multivariate Regression miteinander verglichen, um ein effizientes und zuverlässiges Werkzeug für die Vorhersage der Produktion einer PV-Anlage auf der Grundlage meteorologischer Daten (Sonnenschein und Umgebungstemperatur) zu erhalten.Dazu haben wir Überwachungsdaten einer Anlage über einen Zeitraum von 72 Tagen verwendet, um zwei neuronale Netzwerktopologien (mit und ohne Schleifen) zu erstellen, zu trainieren und zu testen, die mit dem Levenberg-Marquardt-Algorithmus trainiert wurden.

Autorentext

Ingeniero de investigación especializado en energías renovables y sistemas inteligentes. Licenciado en Tecnología Solar Aplicada por la Universidad de Uagadugú (Burkina Faso) y con un Máster de Investigación por la Escuela Politécnica de Thiès (Senegal). Áreas de investigación: energías renovables - sistemas inteligentes - IA y aprendizaje automático.