W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Cascade-Forward, Multi-Parameter Artificial Neural Networks for Predicting the Energy Efficiency of Photovoltaic Modules in Temperate Climate

Autorzy

[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.2] Automatyka, elektronika, elektrotechnika i technologie kosmiczne

Rok publikacji

2024

Opublikowano w

Applied Sciences

Rocznik: 2024 | Tom: vol. 14 | Numer: iss. 7

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • ANN
  • PV
  • solar
  • renewable energy
  • modeling
  • case study
Streszczenie

EN Solar energy is a promising and efficient source of electricity in countries with stable and high sunshine duration. However, in less favorable conditions, for example in continental, temperate climates, the process requires optimization to be cost-effective. This cannot be done without the support of appropriate mathematical and numerical methods. This work presents a procedure for the construction and optimization of an artificial neural network (ANN), along with an example of its practical application under the conditions mentioned above. In the study, data gathered from a photovoltaic system in 457 consecutive days were utilized. The data includes measurements of generated power, as well as meteorological records. The cascade-forward ANN was trained with a resilient backpropagation procedure and sum squared error as a performance function. The final ANN has two hidden layers with nine and six nodes. This resulted in a relative error of 10.78% and R2 of 0.92–0.97 depending on the data sample. The case study was used to present an example of the potential application of the tool. This approach proved the real benefits of the optimization of energy consumption.

Data udostępnienia online

26.03.2024

Strony (od-do)

2764-1 - 2764-16

DOI

10.3390/app14072764

URL

https://www.mdpi.com/2076-3417/14/7/2764

Uwagi

Article number: 2764

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja autorska

Data udostępnienia

26.03.2024

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

100

Impact Factor

2,5 [Lista 2023]

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.