Solar photovoltaic forecasting using LSTM network for central and southern regions of Jordan

العناوين الأخرى

التنبؤ بالطاقة الشمسية الكهروضوئية باستخدام ذاكره طويلة المدى للمناطق الوسطى والجنوبية من الأردن

مقدم أطروحة جامعية

al-Rawashidah, Rafi Fayyd Ibrahim

مشرف أطروحة جامعية

al-Adinat, Abd Allah Ibrahim Muslim

الجامعة

جامعة مؤتة

الكلية

كلية الهندسة

القسم الأكاديمي

قسم الهندسة الكهربائية

دولة الجامعة

الأردن

الدرجة العلمية

ماجستير

تاريخ الدرجة العلمية

2023

الملخص العربي

ازداد استخدام الطاقة المتجددة خلال العقود العديدة الماضية.

وتعد أكثر مصادر الطاقة المتجددة شيوعا هي تقنية الخلايا الكهروضوئية، والتي تستخدم الإشعاع الشمسي لتوليد الكهرباء.

ومع ذلك، فإن عددا من المتغيرات، مثل الموقع والطقس وما إلى ذلك لها تأثير على إنتاج الكهرباء الكهروضوئية.

لذلك، فإن التنبؤ بالطاقة الشمسية الكهروضوئية ضروري لضمان كفاءة عمل الشبكة ويمكن الاعتماد عليها، كانت مدخلات النماذج المستخدمة للتنبؤ عبارة عن بيانات تاريخية للطاقة الكهروضوئية من منشأتين للطاقة الشمسية في مناطق الأردن الوسطى والجنوبية، واستخدم للتنبؤ بإنتاج الطاقة الكهروضوئية في هذا البحث (LSTM) التي تعد جزء مهم من الشبكة العصبية العميقة المتكررة.

تم مقارنة هذا النموذج مع NARX غير الخطي، وأظهرت النتائج أداء مكافئا ومثيرا للإعجاب لكل من NARX ANN الديناميكي وLSTM، مع كون NARX أفضل.

يمكن الادعاء بأن ANN الديناميكية متفوقة على الشبكة العصبية العميقة (DNN) لنمذجة الأداء المستندة إلى الوقت للأنظمة الكهروضوئية ببيانات مختلفة.

الملخص الإنجليزي

The use of renewable energy has increased during the last several decades.

The most popular renewable energy source is photovoltaic (PV) technology, which uses solar radiation to create electricity.

However, a number of variables, such as position, weather, etc., have an impact on the production of PV electricity.

It is crucial to control the inherent changeability of PV plants as they expand and contribute significantly to the production of grid power.

Predicting solar PV is therefore essential for ensuring efficient and dependable grid functioning.The forecasting model's inputs were historic PV power output data from two solar power installations in Jordan's central and southern regions.The prediction of PV power production in this research takes into account a stacked long short-term memory network (LSTM), a crucial part of the deep recurrent neural network.

This model and Nonlinear Autoregressive NARX have been contrasted (Dynamic Neural Network).The outcomes demonstrated equivalent, admirable performance for both the dynamic NARX ANN and the LSTM, with NARX being better.

The dynamic ANN can be claimed to be superior than the deep neural network (DNN) for time-based performance modeling of PV systems with varying data.

التخصصات الرئيسية

الهندسة الكهربائية

عدد الصفحات

67

قائمة المحتويات

• APA
• MLA
• AMA

لغة النص

الإنجليزية

نوع البيانات

رسائل جامعية

رقم السجل

BIM-1569676