عنوان الإطروحه |
Prediction of future Solar and wind Energy Generation through Artificial Neural Network models
|
تاريخ مناقشة الاطروحه |
2020-07-26 |
اسم الطالب |
احمد علي محمد السبع
|
المشرف |
خالد محمد عبدالرحمن بطيحه |
|
المشرف المشارك |
|
اعضاء لجنة المناقشة |
| مفلح محمد مفلح الذيابات |
| احمد موسى العودات |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
تقدم هذه الرسائل مراجعة للطرق الحديثة للتنبؤ بالجيل المستقبلي من الطاقة الشمسية وطاقة الرياح من خلال نماذج الشبكات العصبية الاصطناعية في الظروف البيئية المتقلبة, تتمثل الفكرة الرئيسية في استخدام البيانات التاريخية من مزارع الخلايا الشمسية و تور بينات الرياح لتدريب النماذج باستخدام بيانات التدريب التي يتم إجراؤها لفترات مختلفة. وهذا يتطلب بناء نماذج باستخدام الذكاء الاصطناعي (AI) و كذلك باستخدام شبكة عصبية اصطناعية (ANN) و لتحقيق ذلك قمنا ببناء نموذجين هي Feedforward Multi-Layer ANN و Elman Feedback Multi-Layer ANN.
استخدم هذا البحث الذكاء الاصطناعي (AI) لقدرته على التعامل مع المعادلات الرياضية المعقدة في الظروف القاسية, نظرًا لموثوقيتها ، ودقتها العالية، وإمكانية التنبؤ بها من خلال التدريب على البيانات التاريخية، يتم توقع أربعة نماذج لفترات مختلفة لتوليد الطاقة على مرحلتين.
المرحلة الأولى: عملية التدريب على البيانات التاريخية لمدة شهر والتنبؤ بها لمدة يوم واحد في المستقبل يطبق على النماذج الأربعة السابقة وإيجاد أفضل نموذج لشبكة ANN للتنبؤ بكمية توليد الطاقة بحيث يتم أخذ النموذج الذي يتنبأ بكمية توليد الطاقة بدقة عالية و أفضل أداء وأقل معدل خطأ من بين النموذجين ثم ننتقل الى المرحلة الثانية.
المرحلة الثانية: إنها مرحلة تدريب على البيانات لمدة شهر و التنبؤ لمدة سبع أيام بشكل تدريجي لإيجاد أفضل أداء و لتقليل الحد الأدنى من الأخطاء المرتبطة بالتنبؤ بحمل الطاقة الكهربائية من أجل تقديم تقرير دقيق للغاية للتنبؤ بكمية توليد الطاقة في المستقبل في تاريخ محدد ليوم محدد بعد أسبوع أو شهر أو سنة، من أجل الموثوقية والتكامل الفعال للشبكة لإيجاد حلول لمعالجة أزمة الطاقة, وبالتالي خفض التكلفة المالية في المنطقة بسبب استيراد النفط والغاز لإنتاج حمولة الكهرباء.
علاوة على ذلك، للحد من التلوث البيئي للحد من النفايات من استخراج النفط والغاز والفحم, هناك فائدة أخرى هي وجود الخلايا الشمسية لخدمة بعض المناطق بالطاقة الكهروضوئية, هذه إحدى الفوائد عندما نعرف استهلاك المنطقة بدقة. توفر الشركة الكهربائية هذه المنطقة بشكل أفضل إما عن طريق زيادة الخلايا الشمسية و تور بينات الرياح أو زيادة واردات الغاز وتجنب فصل الكهرباء وتوفير الصفقات والحفاظ على كمية الاستيراد للغاز لتوليد الطاقة, تمكن النموذجين المقترحين لهذا العمل من تقديم نتائج أفضل من الأعمال السابق
(Idris Khana, Honglu Zhua, ET al. 2017, Luis Carlos Parra Raffan , Andres Romero, ET al. 2018 ).
بدقة تصل إلى 96.6? |
الملخص بالانجليزي |
This thesis presents a review of modern methods for predicting future generations of solar and wind energy through models of artificial neural networks in volatile environmental conditions, the main idea is to use historical data from solar cell farms and wind turbines to train models using training data that is made for different periods. This requires building models using artificial intelligence (AI) and an artificial neural network (ANN). We built four models: Feedforward Single-Layer ANN, Feedforward Multi-Layer ANN, Elman Feedback Single-Layer ANN, and Elman Feedback Multi-Layer ANN, This research used artificial intelligence (AI) for its ability to deal with complex mathematical equations in extreme conditions. Due to its reliability, high accuracy and predictability through historical data training, it is expected that there will be four models for two different phases of power generation.
The first phases: the process of training on historical data for a month and forecasting for one day in the future applies to the previous four models and finding the best model for the ANN network to predict the amount of power generation so that the model that predicts the amount of power generation with high accuracy is taken the best performance and the lowest error rate between the models then we move To the second stage.
The second phases: It is a month data training phase and seven-day forecasting gradually to find the best performance and reduce the minimum errors associated with predicting the carrying of electric energy.
In order to provide a very accurate report to predict the amount of power generation in the future on a specific date for a specific day after a week, month or year, for the reliability and effective integration of the network to find solutions to address the energy crisis. Thus reducing the financial cost in the region due to the import of oil and gas to produce the electricity load, Moreover, to reduce environmental pollution to reduce waste from oil, gas and coal extraction, another benefit is the presence of solar cells to serve some areas with photovoltaic energy. This is one of the benefits when we know the region's consumption accurately. The electrical company provides this area better either by increasing solar cells and wind turbine, or increasing gas imports, avoiding electricity separation, providing deals, and maintaining the amount of gas imports to generate energy. The proposed models for this work were able to provide better results than previous works with accuracy of 96.6%
|
رقم ISN |
6780 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|