Прогнозирование выработки фотоэлектрической энергии с использованием новой гибридной интеллектуальной модели в интеллектуальной сети

Экспоненциальный рост потребности в электроэнергии и интеграция возобновляемых источников энергии (RES) поставили новые задачи перед традиционной сетью в части качества энергоснабжения. Переход от традиционной сети к интеллектуальной сети (smart grid) обеспечивает необходимые инструменты и информационно-коммуникационные технологии (ИКТ) для повышения качества услуг. В данном исследовании учитываются изменения спроса на энергию и некоторые атмосферные факторы для прогнозирования выработки фотоэлектрической (PV) энергии, адаптируемой к эволюции потребления в интеллектуальной сети. Вклад работы заключается в предложении новой оптимизированной гибридной интеллектуальной модели, состоящей из искусственной нейронной сети (ANN), метода опорных векторов (SVM) и алгоритма роя частиц (PSO), реализованной для долгосрочного прогнозирования выработки PV на основе реальных данных о потреблении и климатических факторах города Дуала (Камерун). Точность модели оценивается с помощью показателей: среднеквадратичная ошибка (MSE), корень из среднеквадратичной ошибки (RMSE), средняя абсолютная процентная ошибка (MAPE), средняя абсолютная ошибка (MAE) и коэффициент регрессии (R). С использованием предлагаемой гибридной техники значения MSE, RMSE, MAPE, MAE и R составляют 14.9721, 3.8693, 3.32%, 0.867 и 0.9984 соответственно. Полученные результаты показывают, что новая гибридная модель превосходит другие модели из литературы и может быть полезна для планирования будущих потребностей в возобновляемой энергии. Однако скорость сходимости предложенного подхода может быть затронута случайной изменчивостью доступных данных.