کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7919097 | 1511101 | 2017 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Development and testing of a micro-grid excess power production forecasting algorithms
ترجمه فارسی عنوان
توسعه و آزمایش الگوریتم های پیش بینی تولید بیش از حد انرژی در شبکه های کوچک
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ریزشبکه، پیش بینی ادغام، شبکه های عصبی مصنوعی،
ترجمه چکیده
شبکه های برق سنتی انعطاف پذیری در تولید برق و عمل بار در انعکاس شبکه های هوشمند میکرو که نهادهای نیمه مستقل با قابلیت های مدیریت انرژی را تشکیل می دهند، انعطاف پذیری ندارند. پیش بینی بار برای شبکه های هوشمند با ارزش برای کمک به اجرای برنامه های مدیریت انرژی برای عملیات هزینه و کارآمد است. در این مقاله پیش بینی 24 ساعته تولید بیش از حد موجود در یک میکرو شبکه موجود مورد بررسی قرار گرفته است. پارامترهای ورودی جایگزین برای دستیابی به پیش بینی دقیق در نظر گرفته می شوند. پیش بینی می تواند برای برنامه ریزی فرایند شارژ ذخیره سازی حرارتی در طول تعطیلات آخر هفته بر اساس میزان تولید برق اضافی استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی (عمومی)
چکیده انگلیسی
Traditional electricity grids lack flexibility in power generation and load operation in contrast to smart-micro grids that form semi-autonomous entities with energy management capabilities. Load forecasting is invaluable to smart micro-grids towards assisting the implementation of energy management schedules for cost-efficient and secure operation. In the present paper is examined the 24h forecasting of excess production in an existing micro-grid. Alternative input parameters are considered for achieving an accurate prediction. The prediction can be used for scheduling the charging process of a thermal storage during weekends based on excess power production levels.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Procedia - Volume 134, October 2017, Pages 654-663
Journal: Energy Procedia - Volume 134, October 2017, Pages 654-663
نویسندگان
Angeliki Mavrigiannaki, Nikos Kampelis, Denia Kolokotsa, Daniele Marchegiani, Laura Standardi, Daniela Isidori, Cristina Christalli,