НЕЙРОСЕТЕВОЙ МЕТОД ПРЕДИКТИВНОГО УПРАВЛЕНИЯ В МИКРОСЕТЯХ С МЕХАТРОННОЙ ВЕТРО-ГЕНЕРАТОРНОЙ СИСТЕМОЙ
Аннотация
Рассмотрено влияние различных факторов на точность прогноза генерации ветроэнергетической установкой (ВЭУ). Определен оптимальный набор входных параметров (день, месяц, время, скорость ветра, температура воздуха, атмосферное давление и расчетная вырабатываемая мощность ВЭУ) для прогнозирования, обоснованы методы их обработки. Проведено исследование влияния воздействующих факторов на точность прогнозирования генерируемой мощности ВЭУ. Построены профили входных данных для прогнозирования электрогенерации ВЭУ. Рассмотрены особенности метеорологических условий за год, определены часто встречающаяся значения скорости ветра, и др., для выбора оптимальной ВЭУ. Показано, что метеорологических условия удовлетворяют паспортным требованиям выбранной для рассматриваемого региона ВЭУ. Рассмотрены нейросетевые (НС) модели для прогнозирования генерации мощности ВЭУ, выбрана оптимальная НС, построена структура и разработан алгоритм НС для прогнозирование генерируемой мощности ВЭУ. Разработанная математическая модель генерации мощности ВЭУ направлена на повышение точности и адаптивности благодаря учету ключевых динамических факторов (скорость и изменение направления ветра, температура и плотность воздуха и др.). Выбран комбинированный метод управления генерацией ВЭУ (MPPT + Pitch) обеспечивает баланс между эффективностью и безопасностью. На основании расчетной генерируемой мощности ВЭУ, и метеорологических условий в месте расположения нейросетевая модель показала высокую точность прогнозирования мощности ВЭУ. Показано, что выбранный тип ВЭУ сочетает в себе технологическую надежность, рентабельность и соответствие современным тенденциям ветроэнергетики. НС-модель позволяет поддерживать баланс между вырабатываемой и потребляемой электроэнергией, а, следовательно, повышает КПД, снижает паразитные потери в микросети, а также снижает износ оборудования
Список литературы
1. Shepelev A.O., Artamonova E.Yu. Klassifikatsiya sovremennykh vetroenergeticheskikh ustanovok po moshchnosti [Classification of modern wind power plants by power], Molodoy uchenyy [Young Scien-tist], 2016, No. 17, pp. 92-96.
2. Fazylova A.R. Razrabotka blokov upravleniya dlya vetrogeneratorov: spetsial'nost' 47.04.01. «Filosofi-ya»: diss. … d-ra filos. nauk [Development of control units for wind generators: specialty 47.04.01. "Philosophy": dr. of philos. sc.] Almaty: Kazakhskiy natsional'nyy issledovatel'skiy tekhnicheskiy uni-versitet imeni K.I. Satpaeva 2024, 121 p.
3. Orlov D.V. Razrabotka i issledovanie metodov prediktivnogo upravleniya moshchnost'yu vetro-elektrostantsiy v elektroenergeticheskikh sistemakh: spetsial'nost' 2.4.3 «Elektroenergetika»: diss. … kand. tekhn. nauk [Development and research of methods for predictive control of wind power plants in electric power systems: specialty 2.4.3 "Electric Power Engineering": cand. of eng. sc. diss.]. Novosi-birsk: Novosibirskiy gosudarstvennyy tekhnicheskiy universitet, 2023, 224 p.
4. Özkan, Mehmet & Karagoz, Pinar. (2019). Data Mining Based Upscaling Approach for Regional Wind Power Forecasting: Regional Statistical Hybrid Wind Power Forecast Technique (RegionalSHWIP), IEEE Access, pp. 1-1. 10.1109/ACCESS.2019.2956203.
5. Gorshenin A.Yu., Denisova L.A. Prognozirovanie vyrabotki elektroenergii vetroelektrostantsiey s prime-neniem rekurrentnoy neyronnoy seti [Forecasting the electricity generation of a wind power plant using a recurrent neural network], Izvestiya TulGU. Tekhnicheskie nauki [Bulletin of Tula State University. Technical sciences], 2023, No. 4. Available at: https://cyberleninka.ru/article/n/prognozirovanie-vyrabotki-elektroenergii-vetroelektrostantsiey-s-primeneniem-rekurrentnoy-neyronnoy-seti (accessed 20 February 2025).
6. Zubova N.V. Prognozirovanie vyrabatyvaemoy moshchnosti vetroenergeticheskoy ustanovki s pomoshch'yu nechetkikh neyronnykh setey [Forecasting the generated power of a wind turbine using fuzzy neural networks], Problemy nauki [Problemy nauki], 2016, No. 32 (74). Available at: https://cyberleninka.ru/article/n/prognozirovanie-vyrabatyvaemoy-moschnosti-vetroenergeticheskoy-ustanovki-s-pomoschyu-nechetkih-neyronnyh-setey (accessed 22 February 2025).
7. Li Huajin. Short-Term Wind Power Prediction via Spatial Temporal Analysis and Deep Residual Net-works, Frontiers in Energy Research, 2022. 10. 920407. 10.3389/fenrg.2022.920407.
8. Jamii Jannet & Mansouri Majdi & Trabelsi Mohamed & Mimouni Mohamed & Shatanawi Wasfi. Ef-fective artificial neural network-based wind power generation and load demand forecasting for optimum energy management, Frontiers in Energy Research, 2022. 10. 898413. 10.3389/fenrg.2022.898413.
9. Liu Shu & Wang Lei & Jiang Hongliang & Liu Yan & You Hongyu. Wind Farm Energy Storage System Based on Cat Swarm Optimization–Backpropagation Neural Network Wind Power Prediction, Frontiers in Energy Research, 2022. 10. 10.3389/fenrg.2022.850295.
10. Kharlashkin D.A. Prognozirovanie vyrabotki vetroenergeticheskikh ustanovok na osnove metodov is-kusstvennogo intellekta: spetsial'nost' 1.4.4 «Prikladnaya matematika» [Forecasting the output of wind power plants based on artificial intelligence methods: specialty 1.4.4 "Applied Mathematics"]. Ekaterin-burg: Ural'skiy federal'nyy universitet imeni pervogo Prezidenta Rossii B.N. El'tsina, 2024, 83 p.
11. Gorshenin A.Yu., Vasina D.I. Sravnenie ispol'zuemykh metodov pri prognozirovanii vyrabotki elektro-energii vetroelektrostantsiyami [Comparison of the methods used in forecasting electricity generation by wind power plants], MSiM [MsiM], 2023, No. 3 (67). Available at: https://cyberleninka.ru/ arti-cle/n/sravnenie-ispolzuemyh-metodov-pri-prognozirovanii-vyrabotki-elektroenergii-vetroelektrostantsiyami (accessed 22 February 2025).
12. Manusov V.Z., Kholdonov A.A., Boyko K.N., Khaldarov Sh.K. Povyshenie stepeni integratsii vetroener-geticheskikh stantsiy v energosistemu putem ispol'zovaniya u sistemnogo operatora matematicheskikh modeley prognozirovaniya vetra i elektropotrebleniya [Increasing the degree of integration of wind pow-er stations into the energy system by using mathematical models for forecasting wind and electricity con-sumption by the system operator], Problemy regional'noy energetiki [Problems of regional energy], 2017, No. 3 (35).
13. Lalayan A.G., Bolbakov R.G., Bratus' N.V. Imitatsionnaya model' obrabotki dannykh vetroelektrostantsii na osnove neyronnoy seti [Simulation model for processing wind power plant data based on a neural network], International Journal of Open Information Technologies [International Journal of Open Infor-mation Technologies], 2022, No. 5.
14. Poluyanovich N.K., Dubyago M.N. Otsenka vozdeystvuyushchikh faktorov i prognozirovanie elektropo-trebleniya v regional'noy energosisteme s uchetom rezhima ee ekspluatatsii [Assessment of influencing factors and forecasting of electricity consumption in a regional power system taking into account its op-erating mode], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2022, No. 2 (226), pp. 31-46.
15. Dubyago M.N., Poluyanovich N.K. Sovershenstvovanie metodov diagnostiki i prognozirovaniya el-ektroizolyatsionnykh materialov sistem energosnabzheniya: monografiya [Improving methods for diag-nostics and forecasting of electrical insulating materials for power supply systems: monograph]. Rostov-on-Don; Taganrog: Izd-vo YuFU, 2019, 192 p.
16. Poluyanovich N.K., Bur'kov D.V., Dubyago M.N., Neyrosetevoy N.V. Metod prognozirovaniya elektrop-otrebleniya i ego instrumental'naya realizatsiya: monografiya [Method of forecasting electricity consump-tion and its instrumental implementation: monograph]. Rostov-on-Don; Taganrog: Izd-vo YuFU, 2023, 151 p.
17. Kostjukov V.A., Maevskiy A.M., Poluyanovich N.K., Dubyago M.N. Adaptive mechatronic management system of wind-driven powerplant with variable geometry, 18th International Conference of Young Spe-cialists on Micro/Nanotechnologies and Electron Devices EDM 2017: Conference Proceedings, 2017, pp. 460-464.
18. Kostyukov V.A., Medvedev M.Yu., Maevskiy A.M., Poluyanovich N.K., Savchenko V.V. Issledovanie per-spektivnoy vetroenergeticheskoy ustanovki s tipom komponovki "Rotor v rastrube" [Study of a promis-ing wind power plant with a "Rotor in a socket" configuration], Vestnik Donskogo gosudarstvennogo tekhnicheskogo universiteta [Bulletin of the Don State Technical University], 2017, Vol. 17, No. 1 (88), pp. 85-91.
19. Kostyukov V.A., Medvedev M.YU., Maevskiy A.N., Poluyanovich N.K., Savchenko V.V. Optimizatsiya form geometrii rastruba vetroenergeticheskoy ustanovki tipa "Rotor v rastrube" [Optimization of the ge-ometry forms of the bell of a wind turbine of the "Rotor in a bell" type], Vestnik Donskogo gosudar-stvennogo tekhnicheskogo universiteta [Bulletin of the Don State Technical University], 2017, Vol. 17, No. 4 (91), pp. 61-68.
20. Poluyanovich N.K., Azarov N.V., Dubyago M.N. Neyrokomp'yuternoe upravlenie propusknoy sposob-nost'yu kabel'nykh setey posredstvom ucheta i kontrolya ikh parametrov [Neurocomputer control of the bandwidth of cable networks by means of accounting and control of their parameters], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2022, No. 3 (227), pp. 84-103.
