Capacity Factor Forecasting for Generation Facilities Based on Renewable Energy Sources in Decentralized Power Systems ; Прогнозирование коэффициента использования установленной мощности для объектов генерации на базе возобновляемых источников энергии для децентрализованных электроэнергетических систем

Authors: A. M. Bramm, P. V. Matrenin, N. A. Papkova, D. A. Sekatski, А. М. Брамм, П. В. Матренин, Н. А. Попкова, Д. А. Секацкий

Contributors: Исследование выполнено в рамках государственного задания при финансовой поддержке Министерства науки и высшего образования Российской Федерации (проект № ФЭУЗ-2022-0030 «Разработка интеллектуальной мультиагентной системы моделирования глубоко интегрированных технологических систем в энергетике).

Source: ENERGETIKA. Proceedings of CIS higher education institutions and power engineering associations; Том 67, № 5 (2024); 411-424 ; Энергетика. Известия высших учебных заведений и энергетических объединений СНГ; Том 67, № 5 (2024); 411-424 ; 2414-0341 ; 1029-7448 ; 10.21122/1029-7448-2024-67-5

Subject Terms: мультиагентная система, capacity factor, photovoltaic power station, wind power station, multi-agent system, коэффициент использования установленной мощности, фотоэлектрическая станция, ветровая электрическая станция

File Description: application/pdf

Relation: https://energy.bntu.by/jour/article/view/2410/1924; Devices and Control Strategies for Voltage Regulation under Influence of Photovoltaic Distributed Generation. A review / L. F. Leon [et al.] // IEEE Lat. Am. Trans. 2022. Vol. 20, Nо 5. P. 731–745. https://doi.org/10.1109/TLA.2022.9693557; Grey Wolf Optimizer for RES Capacity Factor Maximization at the Placement Planning Stage / A. M. Bramm [et al.] // Mathematics. 2023. Vol. 11, Nо 11. P. 2545. https://doi.org/10.3390/math11112545.; Functional Assessment System of Solar Power Plant Energy Production / D. A. Snegirev [et al.] // Proc. Int. Conf. on Energy and Environment: Energy Saved Today is Asset for Future (CIEM). 2017, P. 349–353. https://doi.org/10.1109/CIEM.2017.8120862.; Eroshenko, S. A. Intelligent Model of Decision Support System of Distributed Generation Integration / S. A. Eroshenko, A. I. Khalyasmaa // Proc. Int. Conf. on Software Engineering and Service Sciences (ICSESS). 2017. P. 79–82. https://doi.org/10.1109/ICSESS.2017.8342868.; Ерошенко, С. А. Краткосрочное прогнозирование и планирование режимов фотоэлектрических электростанций: дис. … канд. техн. наук: 05.14.02 / С. А. Ерошенко. Новосибирск, 2020. 212 л.; Ghosh, S. Optimal Sizing and Placement of Distributed Generation in a Network System / S. Ghosh, S. P. Ghoshal, S. Ghosh // Int. Journal of Electrical Power Energy Systems. 2010. Vol. 32, Nо 8. P. 849–856. https://doi.org/10.1016/j.ijepes.2010.01.029.; Mashhour, M. Optimal Sizing and Siting of Distributed Generation in Radial Distribution Network: Comparison of Unidirectional and Bidirectional Power Flow Scenario / M. Mashhour, M. A. Golkar, S. Tafreshi // Proc. Int. Conf. IEEE Bucharest PowerTech. 2009. P. 1–6. https://doi.org/10.1109/PTC.2009.5281948.; Тарасенко, В. В. Генетический алгоритм выбора распределенной генерации / В. В. Тарасенко // Вестник Южно-Уральского государственного университета. Сер. Энергетика. 2010. T. 14, Nо 190. С. 15–19.; Celli, G. A Multiobjective Evolutionary Algorithm for the Sizing and Siting of Distri-buted Generation / G. Celli, E. Ghiani, S. Mocci // IEEE Transactions on Power Systems. 2005. Vol. 20. P. 750–757. https://doi.org/10.1109/tpwrs.2005.846219.; Agent-Based Coordinated Operation Strategy for Active Distribution Network With Distributed Energy Resources / S. Hu [et al.] // IEEE Transactions on Industry Applications. 2019. Vol. 55, No 4. P. 3310–3320. https://doi.org/10.1109/TIA.2019.2902110.; Интеллектуальные мультиагентные системы в электроэнергетике: монография / А. И. Хальясмаа [и др.]. Новосибирск: Изд-во НГТУ, 2023. 222 с.; Khalyasmaa, A. I. Prospects for the Use of Intelligent Multi-agent Models for the Control of Objects of Deeply Integrated Power Systems / A. I. Khalyasmaa, S. A. Eroshenko, M. V. Mazunina // Proc. Int. Conf. on Engineering, Computer and Information Sciences (SIBIRCON). 2022. P. 730–733. https://doi.org/10.1109/SIBIRCON56155.2022.10016945.; Yu, J. MAS-Based Energy Management Strategies for a Hybrid Energy Generation System / J. Yu, C. Dou, X. Li // IEEE Transactions on Industrial Electronics. 2016. Vol. 63, No 6. P. 3756–3764. https://doi.org/10.1109/TIE.2016.2524411.; Critical Review of Data, Models and Performance Metrics for Wind and Solar Power Fore-cast / V. Prema [et al.] // IEEE Access. 2022. Vol. 10. P. 667–688. https://doi.org/10.1109/ACCESS.2021.3137419.; Energy Forecasting: A Review and Outlook / T. Hong [et al.] // IEEE Open Access Journal of Power and Energy. 2020. Vol. 7. P. 376–388. https://doi.org/10.1109/OAJPE.2020.3029979.; Повышение точности прогнозирования генерации фотоэлектрических станций на основе алгоритмов k-средних и k-ближайших соседей / П. B. Матренин [и др.] // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2023. Т. 66, № 4. С. 305–321. https://doi.org/10.21122/1029-7448-2023-66-4-305-321.; Mutavhatsindi, T. Forecasting Hourly Global Horizontal Solar Irradiance in South Africa Using Machine Learning Models / T. Mutavhatsindi, C. Sigauke, R. Mbuvha // IEEE Access. 2020. Vol. 8. P. 198872–198885. https://doi.org/10.1109/access.2020.3034690.; Lipu, M. S. H. Artificial Intelligence Based Hybrid Forecasting Approaches for Wind Power Generation: Progress, Challenges and Prospects / M. S. H. Lipu // IEEE Access. 2021. Vol. 9. P. 102460–102489. https://doi.org/10.1109/ACCESS.2021.3097102.; Оперативное прогнозирование скорости ветра для автономной энергетической установки тяговой железнодорожной подстанции / П. B. Матренин [и др.] // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2023. Т. 66, № 1. С. 18–29. https://doi.org/10.21122/1029-7448-2023-66-1-18-29.; Buhan, S. A Scalable River Flow Forecast and Basin Optimization System for Hydropower Plants / S. Buhan // IEEE Transactions on Sustainable Energy. 2019. Vol. 11, No 4. P. 2220–2229. https://doi.org/10.1109/TSTE.2019.2952450.; Correlated Time-Series in Multi-Day-Ahead Streamflow Forecasting Using Convolutional Networks / F. O. Barino [et al.] // IEEE Access. 2020. Vol. 8. P. 215748–215757. https://doi.org/10.1109/ACCESS.2020.3040942.; Возобновляемые источники энергии [Электронный ресурс] // Ассоциация «НП Совет рынка». Режим доступа: https://www.np-sr.ru/ru/market/vie/index.htm. Дата доступа: 24.05.2024.; POWER Hourly API [Electronic Resource]. Mode of access: https://power.larc.nasa.gov/api/pages/ (accessed 24 May 2024).; Prediction of Solar Power Generation Based on Random Forest Regressor Model / A. I. Khalyasmaa [et al.] // Proc. Int. Conf. on Engineering, Computer and Information Sciences. 2019. P. 780–785. https://doi.org/10.1109/SIBIRCON48586.2019.8958063.; Short-Term Load Forecasting Based on Optimized Random Forest and Optimal Feature Selection / B. Magalhães [et al.] // Energies. 2024. Vol. 17, Nо 8. P. 1926. https://doi.org/10.3390/en17081926.; RandomForestRegressor [Electronic Resource]. Mode of access: https://sci kit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html (accessed 24 May 2024).; https://energy.bntu.by/jour/article/view/2410

Availability: https://energy.bntu.by/jour/article/view/2410
https://doi.org/10.21122/1029-7448-2024-67-5-411-424

СОЛНЕЧНЫЕ ФОТОЭЛЕКТРИЧЕСКИЕ СИСТЕМЫ И СТАНЦИИ

Authors: Бахронова — дочь Садоката Бахтияра

Subject Terms: солнечная фотоэлектрическая станция, автономная qft, резервная (резервная) qft, батарея

Relation: https://zenodo.org/records/7905170; oai:zenodo.org:7905170; https://doi.org/10.5281/zenodo.7905170

Availability: https://doi.org/10.5281/zenodo.7905170
https://zenodo.org/records/7905170

СОЛНЕЧНЫЕ ФОТОЭЛЕКТРИЧЕСКИЕ СИСТЕМЫ И СТАНЦИИ

Subject Terms: солнечная фотоэлектрическая станция, автономная qft, резервная (резервная) qft, батарея

Применение алгоритмов машинного обучения для прогнозирования выработки солнечной электрической станции : магистерская диссертация

Authors: Kharlashkina, M. A.

Contributors: Хальясмаа, А. И., Khaliasmaa, A. I., УрФУ. Уральский энергетический институт, Кафедра электротехники

Subject Terms: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, ФОТОЭЛЕКТРИЧЕСКАЯ СТАНЦИЯ, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, MASTER'S THESIS, ВОЗОБНОВЛЯЕМЫЕ ИСТОЧНИКИ ЭНЕРГИИ, АНСАМБЛИ ДЕРЕВЬЕВ РЕШЕНИЙ, DECISION TREE ENSEMBLES, RENEWABLE ENERGY SOURCES, ARTIFICIAL INTELLIGENCE, FORECASTING ELECTRICITY GENERATION FROM SOLAR POWER STATIONS, PHOTOVOLTAIC STATION, ПРОГНОЗИРОВАНИЕ ГЕНЕРАЦИИ ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ СОЛНЕЧНЫМИ ЭЛЕКТРОСТАНЦИЯМИ, MACHINE LEARNING, МАШИННОЕ ОБУЧЕНИЕ

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/140614

Обзор электроэнергетики Республики Намибии и перспектив её развития

Subject Terms: инверторный преобразователь, solar photovoltaic plant, isolated energy district, 9. Industry and infrastructure, mode control, 8. Economic growth, energy resources, энергоресурсы, изолированный энергорайон, управление ре­жимами, солнечная фотоэлектрическая станция, 7. Clean energy, inverter converter

Improving of the Generation Accuracy Forecasting of Photovoltaic Plants Based on k-Means and k-Nearest Neighbors Algorithms ; Повышение точности прогнозирования генерации фотоэлектрических станций на основе алгоритмов k-средних и k-ближайших соседей

Authors: P. V. Matrenin, A. I. Khalyasmaa, V. V. Gamaley, S. A. Eroshenko, N. A. Papkova, D. A. Sekatski, Y. V. Potachits, П. B. Матренин, А. И. Хальясмаа, В. В. Гамалей, С. А. Ерошенко, Н. А. Попкова, Д. А. Секацкий, Я. В. Потачиц

Contributors: Исследование выполнено за счет гранта Российского научного фонда (проект № 22-79-00181).

Source: ENERGETIKA. Proceedings of CIS higher education institutions and power engineering associations; Том 66, № 4 (2023); 305-321 ; Энергетика. Известия высших учебных заведений и энергетических объединений СНГ; Том 66, № 4 (2023); 305-321 ; 2414-0341 ; 1029-7448 ; 10.21122/1029-7448-2023-66-4

Subject Terms: линейная регрессия, electricity generation, photovoltaic plant, renewable energy sources, meteorological factors, insolation, solar radiation, neural networks, data clustering, predictive model, data preprocessing, machine learning, principal component analysis, adaptive boosting, linear regression, генерация электроэнергии, фотоэлектрическая станция, возобновляемые источники энергии, метеорологические факторы, инсоляция, солнечная радиация, нейронные сети, кластеризация данных, прогнозная модель, предобработка данных, машинное обучение, метод главных компонент, адаптивный бустинг

File Description: application/pdf

Relation: https://energy.bntu.by/jour/article/view/2287/1876; El hendouzi, A. Solar Photovoltaic Power Forecasting / A. El hendouzi, A. Bourouhou // Journal of Electrical and Computer Engineering. 2020. Vol. 2020. P. 1–21. https://doi.org/10.1155/2020/8819925.; Review of photovoltaic power forecasting / J. Antonanzas [et al.] // Solar Energy. 2016. Vol. 136. P. 78–111. https://doi.org/10.1016/j.solener.2016.06.069.; Machine Learning Methods for Solar Radiation Forecasting: а Review / C. Voyant [et al.] // Renewable Energy. 2017. Vol. 105. P. 569–582. https://doi.org/10.1016/j.renene.2016.12.095.; Оптимизация топологии сети с ВИЭ-генерацией на основе модифицированного адаптированного генетического алгоритма / А. М. Брамм [и др.] // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. 2022. Т.65, № 4. С. 341–354. https://doi.org/10.21122/1029-7448-2022-65-4-341-354.; Industry Experience of Developing Day-Ahead Photovoltaic Plant Forecasting System Based on Machine Learning / A. I. Khalyasmaa [et al.] // Remote Sensing. 2020. Vol. 12, Iss. 20. P. 3420. https://doi.org/10.3390/rs12203420.; The Impact of Data Filtration on the Accuracy of Multiple Time-Domain Forecasting for Photovoltaic Power Plants Generation / S. A. Eroshenko [et al.] // Applied Sciences. 2020. Vol. 10, Iss. 22. P. 8265. https://doi.org/10.3390/app10228265.; Rana, M. Solar Power Forecasting Using Weather Type Clustering and Ensembles of Neural Networks / M. Rana, I. Koprinska, V. G. Agelidis // International Joint Conference on Neural Networks (IJCNN). Vancouver, BC, Canada: IEEE, 2016. P. 4962–4969. https://doi.org/10.1109/IJCNN.2016.7727853.; Solar Radiation Intensity Probabilistic Forecasting Based on K-Means Time Series Clustering and Gaussian Process Regression / Z. Zhang [et al.] // IEEE Access. 2021. Vol. 9. P. 89079–89092. https://doi.org/10.1109/ACCESS.2021.3077475.; Unsupervised Clustering-Based Short-Term Solar Forecasting / C. Feng [et al.] // IEEE Transactions on Sustainable Energy. 2021. Vol. 10, Iss. 4. P. 2174–2185. https://doi.org/10.1109/TSTE.2018.2881531.; Unsupervised Clustering of Battery Waveforms in Off-Grid PV Installations / I. Sanz-Gorrachategui [et al.] // 2020 Fifteenth International Conference on Ecological Vehicles and Renewable Energies (EVER). Monte-Carlo, Monaco, 2020. P. 1–6. https://doi.org/10.1109/EVER48776.2020.9242942.; Development of Algorithm for Day Ahead PV Generation Forecasting Using Data Mining Method / M. C. Kang [et al.] // Proc. Int. IEEE 54th Midwest Symposium on Circuits and Systems (MWSCAS). Seoul, Korea (South): IEEE, 2011. P. 1–4 https://doi.org/10.1109/MWSCAS.2011.6026333.; Pattern Classification and PSO Optimal Weights Based Sky Images Cloud Motion Speed Calculation Method for Solar PV Power Forecasting / F. Wang [et al.] S // IEEE Industry Applications Society Annual Meeting (IAS). Portland, OR, USA: IEEE, 2018. P. 1–9. https://doi.org/10.1109/IAS.2018.8544468.; Daily Clearness Index Profiles Cluster Analysis for Photovoltaic System / C. S. Lai [et al.] // IEEE Transactions on Industrial Informatics. 2017. Vol. 13, Iss. 5. P. 2322–2332. https://doi.org/10.1109/TII.2017.2683519.; Severiano, C. Very Short-Term Solar Forecasting Using Multi-Agent System Based on Extreme Learning Machines and Data Clustering / C. Severiano, F. G. Guimarães, M. W. Cohen // 2016 IEEE Symposium Series on Computational Intelligence (SSCI). Athens, Greece: IEEE, 2016. P. 1–8. https://doi.org/10.1109/SSCI.2016.7850162.; Yang, Y. Short-Term PV Generation System Direct Power Prediction Model on Wavelet Neural Network and Weather Type Clustering / Y. Yang, L. Dong // 2013 5th International Conference on Intelligent Human-Machine Systems and Cybernetics. Hangzhou, China: IEEE, 2013. P. 207–211. https://doi.org/10.1109/IHMSC.2013.56.; Day-Ahead Photovoltaic Forecasting: A Comparison of the Most Effective Techniques / N. Alfredo [et al.] // Energies. 2019. Vol. 12, Iss. 9. P. 1621. https://doi.org/10.3390/en 12091621.; Meteoblue [Electronic Resource]. Mode of access: https://www.meteoblue.com/en/weather. Date of access: 13.05.2022.; Principal Manifolds for Data Visualization and Dimension Reduction / A. N. Gorban [et al.] // Berlin: Springer, 2008. 364 p. (Lecture Notes in Computational Science and Enginee, Vol. 58). https://doi.org/10.1007/978-3-540-73750-6_5.; Hartigan, J. A. Algorithm AS 136: A K-Means Clustering Algorithm / J. A. Hartigan, M. A. Wong // Journal of the Royal Statistical Society. Series C (Applied Statistics). 1979. Vol. 28, Nо 1. P. 100–108. https://doi.org/10.2307/2346830.; Improving Accuracy and Generalization Performance of Small-Size Recurrent Neural Networks Applied to Short-Term Load Forecasting / P. V. Matrenin [et al.] // Mathematics. 2020. Vol. 8. Iss. 12. P. 2169. https://doi.org/10.3390/math8122169.; Матренин, П. В. Устойчивое краткосрочное прогнозирование скорости ветра с помощью адаптивных компактных нейронных сетей / П. В. Матренин, В. З. Манусов, Е. А. Игумнова // Проблемы региональной энергетики. 2020. Т. 7, №47. С. 69–80. https://doi.org/10.5281/zenodo.4018960.; Clustering [Electronic Resource] // Scikit-Learn. Machine Learning in Python. Mode of access: https://scikit-learn.org/stable/modules/clustering.html. Date of access: 13.04.2022.; Drucker, H. Improving Regressors using Boosting Techniques / H. Drucker // Proceedings of the 14th International Conference on Machine Learning (ICML). Citeseer, 1997. P. 107–115.; Adaptive Boosting [Electronic Resource] // Scikit-Learn. Machine Learning in Python. Mode of access: https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDRegressor.html?highlight=adaptive+busting. Date of access: 13.04.2022.; https://energy.bntu.by/jour/article/view/2287

Availability: https://energy.bntu.by/jour/article/view/2287
https://doi.org/10.21122/1029-7448-2023-66-4-305-321

Synthesize of the integrative trigeneration system for a «solar house» in the Middle East region

Authors: Larisa Morozyuk, Alla Denysova, Saad Aldin Alhemiri

Source: Eastern-European Journal of Enterprise Technologies; Том 1, № 8 (97) (2019): Energy-saving technologies and equipment; 43-50
Восточно-Европейский журнал передовых технологий; Том 1, № 8 (97) (2019): Энергосберегающие технологии и оборудование; 43-50
Східно-Європейський журнал передових технологій; Том 1, № 8 (97) (2019): Енергозберігаючі технології та обладнання; 43-50

Subject Terms: солнечный дом, фотоэлектрическая станция, тригенерация, компрессорная холодильная машина, активная вентиляция, 0202 electrical engineering, electronic engineering, information engineering, UDC 669.074:621.311, сонячний будинок, фотоелектрична станція, тригенерація, компресорна холодильна машина, активна вентиляція, 02 engineering and technology, solar house, photovoltaic station, trigeneration, compressor refrigerating machine, active ventilation, 7. Clean energy

File Description: application/pdf

Access URL: http://journals.uran.ua/eejet/article/download/156129/157104
http://journals.uran.ua/eejet/article/download/156129/157104
https://www.neliti.com/publications/308008/synthesize-of-the-integrative-trigeneration-system-for-a-solar-house-in-the-midd
http://journals.uran.ua/eejet/article/view/156129
http://journals.uran.ua/eejet/article/view/156129

Технико-экономическое сравнение вариантов фотоэлектрических станций для средней полосы России

Authors: Kaganer, P. A., Shcheklein, S. E.

Subject Terms: ELECTRICITY COST, ФОТОЭЛЕКТРИЧЕСКАЯ СТАНЦИЯ, СТОИМОСТЬ ЭЛЕКТРОЭНЕРГИИ, PHOTOVOLTAIC STATION

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/106339

Потенциал солнечной энергетики Узбекистана

Authors: Pushkar, V. A., Shcheklein, S. E., Akifyeva, N. N.

Subject Terms: ГОСУДАРСТВЕННАЯ ПОДДЕРЖКА, ФОТОЭЛЕКТРИЧЕСКАЯ СТАНЦИЯ, STATE SUPPORT, ЭЛЕКТРОЭНЕРГИЯ, PHOTOVOLTAIC STATION, ELECTRICITY

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/88157

Внедрение возобновляемых источников энергии для обеспечения энергоэффективности современных зданий

Authors: Vekshin, D. V., Golubeva, E. S., Khalyapov, K. M., Shcheklein, S. E.

Subject Terms: RENEWABLE ENERGY, PHOTOVOLTAIC PLANT, CONSTRUCTION, ФОТОЭЛЕКТРИЧЕСКАЯ СТАНЦИЯ, ENERGY EFFICIENCY, ВОЗОБНОВЛЯЕМЫЕ ИСТОЧНИКИ ЭНЕРГИИ, GRID INVERTER, СРОК ОКУПАЕМОСТИ, PAYBACK PERIOD, ЭНЕРГОЭФФЕКТИВНОСТЬ, СЕТЕВОЙ ИНВЕРТОР, СТРОИТЕЛЬСТВО

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/88135

A STRUCTURE APPROACH FOR A PHOTOVOLTAIC STATION CONTROL BASED ON ADAPTIVE FUZZY AGENT

Authors: Elzein, Imad A., Petrenko, Y. N.

Source: Системный анализ и прикладная информатика, Vol 0, Iss 3, Pp 40-48 (2017)

Subject Terms: Выходная мощность - максимально, model predictive control, MPPT, Сигнал управления - оптимальный, optimal duty ratio, Information technology, 02 engineering and technology, 7. Clean energy, Фотоэлектрическая станция, fuzzy logic agent, 0202 electrical engineering, electronic engineering, information engineering, Model predictive control, Control algorithms, Алгоритм управления, Упреждающее управление, Photovoltaic station, Нечеткая логика - агент, Optimal duty ratio, T58.5-58.64, maximum power point tracking, Maximum power point tracking, Fuzzy logic agent, mppt, control algorithms, photovoltaic station, 0210 nano-technology

Access URL: https://sapi.bntu.by/jour/article/download/175/136
https://doaj.org/article/42724076d04f435c8e49292128dced8a
https://rep.bntu.by/handle/data/34316
https://sapi.bntu.by/jour/article/download/175/136
http://sapi.bntu.by/jour/article/view/175
https://cyberleninka.ru/article/n/a-structure-approach-for-a-photovoltaic-station-control-based-on-adaptive-fuzzy-agent
https://sapi.bntu.by/jour/article/view/175/136
https://rep.bntu.by/handle/data/34316

AN EVALUATION OF PHOTOVOLTAIC SYSTEMS MPPT TECHNIQUES UNDER THE CHARACTERISTICS OF OPERATIONAL CONDITIONS

Authors: Petrenko, Y. N., Elzein, Imad A.

Source: Системный анализ и прикладная информатика, Vol 0, Iss 2, Pp 30-38 (2017)

Subject Terms: Information technology, 02 engineering and technology, simulation, T58.5-58.64, maximum power point tracking, 7. Clean energy, Maximum power point tracking, Фотоэлектрическая станция, Цифровое управление, photovoltaic system. digital control, 13. Climate action, 0202 electrical engineering, electronic engineering, information engineering, Digital control, Photovoltaic System, Режим максимальной мощности

Access URL: https://sapi.bntu.by/jour/article/download/162/126
https://doaj.org/article/7175f9e206e14e1a9ae86471f11377c5
https://sapi.bntu.by/jour/article/viewFile/162/126
https://sapi.bntu.by/jour/article/view/162
https://rep.bntu.by/handle/data/31861
https://cyberleninka.ru/article/n/an-evaluation-of-photovoltaic-systems-mppt-techniques-under-the-characteristics-of-operational-conditions
http://sapi.bntu.by/jour/article/view/162
https://rep.bntu.by/handle/data/31861

Оценка солнечного потенциала в Турции

Authors: Pushkar, V. A., Shcheklein, S. E.

Subject Terms: ФОТОЭЛЕКТРИЧЕСКАЯ СТАНЦИЯ, ЭЛЕКТРОЭНЕРГИЯ, PHOTOVOLTAIC STATION, ELECTRICITY

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/74795

Проект фотоэлектрической станции для снабжения энергопотребления 8-го учебного корпуса УрФУ

Authors: Vekshin, D. V., Khalyapov, K. M., Shcheklein, S. E., Matveev, A. V.

Subject Terms: ENERGY SUPPLY, ФОТОЭЛЕКТРИЧЕСКАЯ СТАНЦИЯ, FEASIBILITY STUDY, СОЛНЕЧНАЯ ЭНЕРГЕТИКА, СРОК ОКУПАЕМОСТИ, PHOTOVOLTAIC POWER STATION, CURRENT SOURCE INVERTER, СЕТЕВОЙ ИНВЕРТОР, SOLAR ENERGY, ЭНЕРГОСБЕРЕЖЕНИЕ, SOLAR BATTERY, СОЛНЕЧНАЯ БАТАРЕЯ, ENERGY CONSUMPTION, ЭНЕРГОПОТРЕБЛЕНИЕ

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/74771

Выбор места установки солнечной фотоэлектрической станции большой мощности, присоединяемой к Единой энергосистеме Арабской Республики Египет

Subject Terms: photovoltaic, фотоэлектрическая станция, анализ реализации, простой срок окупаемости, RETScreen, 13. Climate action, 11. Sustainability, viability analysis, выбор расположения, 7. Clean energy, site selection, payback period

Применение алгоритмов машинного обучения для прогнозирования выработки солнечной электрической станции : магистерская диссертация

Application of Machine Learning Algorithms for Forecasting the Output of a Solar Power Station

Authors: Харлашкина, М. А., Kharlashkina, M. A.

Thesis Advisors: Хальясмаа, А. И., Khaliasmaa, A. I., УрФУ. Уральский энергетический институт, Кафедра электротехники

Subject Terms: MASTER'S THESIS, RENEWABLE ENERGY SOURCES, PHOTOVOLTAIC STATION, ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, FORECASTING ELECTRICITY GENERATION FROM SOLAR POWER STATIONS, DECISION TREE ENSEMBLES, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, ВОЗОБНОВЛЯЕМЫЕ ИСТОЧНИКИ ЭНЕРГИИ, ФОТОЭЛЕКТРИЧЕСКАЯ СТАНЦИЯ, ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, МАШИННОЕ ОБУЧЕНИЕ, ПРОГНОЗИРОВАНИЕ ГЕНЕРАЦИИ ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ СОЛНЕЧНЫМИ ЭЛЕКТРОСТАНЦИЯМИ, АНСАМБЛИ ДЕРЕВЬЕВ РЕШЕНИЙ

File Description: application/pdf

Availability: http://elar.urfu.ru/handle/10995/140614

Synthesize of the Integrative Trigeneration System for a «Solar House» in the Middle East Region

Authors: Morozyuk, L. (Larisa), Denysova, A. (Alla), Alhemiri, S. A. (Saad)

Source: Eastern-European Journal of Enterprise Technologies

Subject Terms: Indonesia, solar house, photovoltaic station, trigeneration, compressor refrigerating machine, active ventilation, UDC 669.074:621.311, солнечный дом, фотоэлектрическая станция, тригенерация, компрессорная холодильная машина, активная вентиляция, сонячний будинок, фотоелектрична станція, тригенерація, компресорна холодильна машина, активна вентиляція

File Description: application/pdf

Availability: https://www.neliti.com/publications/308008/synthesize-of-the-integrative-trigeneration-system-for-a-solar-house-in-the-midd

Sun stanshe ; Фотоэлектрическая станция ; Фотоелектрична станція

Authors: Кривошеєв, Сергій Юрійович, Варв’янська, Вікторія Віталіївна, Єресько, Олександр В'ячеславович, Чепелюк, Олександр Олександрович, Давиденко, Олександр Олександрович

Source: Bulletin of NTU "KhPI". Series: Problems of Electrical Machines and Apparatus Perfection. The Theory and Practice; No. 1 (2019); 59-62 ; Вестник НТУ "ХПИ". Серия: Проблемы совершенствования электрических машин и аппаратов. Теория и практика; № 1 (2019); 59-62 ; Вісник НТУ «ХПІ». Серія: Проблеми удосконалювання електричних машин i апаратiв. Теорiя i практика; № 1 (2019); 59-62 ; 2079-3944

Subject Terms: фотоелектрична станція, сонячна батарея, ШІП, інвертор, перетворювач, МРРТ, фотоэлектрическая станция, солнечная батарея, ШИП, инвертор, преобразователь, photovoltaic station, solar battery, pulse-width converter, inverter, converter, MPPT

File Description: application/pdf

Relation: http://pema.khpi.edu.ua/article/view/2079-3944.2019.1.11/187154

Availability: http://pema.khpi.edu.ua/article/view/2079-3944.2019.1.11
https://doi.org/10.20998/2079-3944.2019.1.11

Разработка контроллера максимальной мощности фотоэлектрических станций на основе эволюционных алгоритмов

Authors: Ибрагим, Ахмед Ибрагим Мохамед

Contributors: Обухов, Сергей Геннадьевич

Subject Terms: фотоэлектрическая станция, контроллер максимальной мощности, понижающий преобразователь напряжения, имитационное компьютерное моделирование, алгоритм роя частиц, photovoltaic station, maximum power controller, step-down voltage converter, computer simulation and modelling, particle swarm algorithm, 13.06.01, 004.384:631.383.4:519.876

File Description: application/pdf

Relation: Ибрагим А. Разработка контроллера максимальной мощности фотоэлектрических станций на основе эволюционных алгоритмов : научный доклад / А. Ибрагим; Национальный исследовательский Томский политехнический университет (ТПУ), Управление магистратуры, аспирантуры и докторантуры (УМАД), Отдел аспирантуры и докторантуры (ОАиД); науч. рук. С. Г. Обухов. — Томск, 2020.; http://earchive.tpu.ru/handle/11683/59790

Availability: http://earchive.tpu.ru/handle/11683/59790

Моделирование режимов работы солнечной фотоэлектрической станции со слежением за точкой максимальной мощности

Subject Terms: регулятор, MATLAB, солнечное излучение, solar radiation, temperature, управление, 7. Clean energy, maximum power point tracking, температура, perturbation and observation method, regulator, сетевая фотоэлектрическая станция (СФЭС), grid-connected photovoltaic plant, control, метод слежения за точкой максимальной мощности (MPPT), метод возмущения и наблюдения