National and Kapodistrian University of Athens
Next Frame Prediction using Deep Learning for Short-Term Solar Irradiance Forecasting
Abstract
dc:descriptionΗ παραγωγή ενέργειας από φωτοβολταϊκά συστήματα έχει διαδοθεί ευρέως ως μια εναλλακτική πηγή ενέργειας σε σχέση με τα ορυκτά καύσιμα, καλύπτοντας την αυξανόμενη ζήτηση για ανανεώσιμες πηγές ενέργειας. Ωστόσο, η απόδοσή της είναι στενά συνδεδεμένη στενά με τα μετεωρολογικά φαινόμενα κοντά στο φωτοβολταϊκό πάρκο, ιδιαίτερα τις βραχυπρόθεσμες αλλαγές στην κάλυψη του ουρανού από νέφη. Οι διακυμάνσεις στη νέφωση επηρεάζουν σημαντικά την προσπίπτουσα ηλιακή ακτινοβολία, θέτοντας μια πρόκληση για τη λειτουργία του φωτοβολταϊκού πάρκου. Η αποτελεσματική πρόβλεψη της κίνησης των νεφών και των αλλαγών στις τιμές της προσπίπτουσας ακτινοβολίας είναι κρίσιμη για τη βελτίωση της συνολικής απόδοσης των φωτοβολταϊκών συστημάτων, διασφαλίζοντας έτσι τη σταθερότητα του ηλεκτρικού δικτύου. Για την αντιμετώπιση αυτού του φαινομένου, η παρούσα διπλωματική εργασία ασχολείται με τον σχεδιασμό και την ανάπτυξη μιας αρχιτεκτονικής Βαθιάς Μηχανική Μάθησης, ικανής όχι μόνο να προβλέπει μελλοντικές εικόνες του ουρανού αλλά και μελλοντικές τιμές ακτινοβολίας. Στα επόμενα κεφάλαια, θα αναλυθούν οι προκλήσεις που σχετίζονται με το πρόβλημα της πρόβλεψης του επόμενου καρέ σε μια ακολουθία βίντεο, και ειδικά της κίνησης ενός νέφους, μαζί με τις προκλήσεις της πρόβλεψης ακτινοβολίας. Επιπλέον, η προτεινόμενη αρχιτεκτονική Βαθιάς Μηχανική Μάθησης θα παρουσιαστεί διεξοδικά μαζί με μια εις βάθος εξέταση των δεδομένων των οποίων χρησιμοποιεί. Η αξιολόγηση αυτής της αρχιτεκτονικής καταδεικνύει την αποτελεσματικότητα του προτεινόμενου συστήματος αλλά και τις εγγενείς προκλήσεις.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Καλέκης Βασίλειος
- Kalekis Vasileios
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3359632