Voorspelling van de opbrengst van een fotovoltaïsche installatie

De spelers op de energiemarkt (investeerders, elektriciteitsproducenten, netbeheerders, consumenten, enz.) worden geconfronteerd met potentiële uitdagingen zoals de groeiende vraag naar energie, nieuwe patronen van energieverbruik, de integratie van (intermitterende) hernieuwbare energiebronnen in de elektriciteitsnetten en de evolutie van de elektriciteitsnetten.In dit boek wordt de mogelijkheid onderzocht om de productie van een zelfconsumerende fotovoltaïsche installatie te voorspellen met behulp van kunstmatige neurale netwerken. Wij hebben twee neurale netwerk architecturen (looped en unlooped) met elkaar vergeleken met betrekking tot multivariate regressie om een efficiënt en betrouwbaar instrument te hebben voor het voorspellen van de productie van een PV-installatie op basis van meteorologische gegevens (zonneschijn en omgevingstemperatuur).Daartoe hebben wij gebruik gemaakt van monitoringgegevens van een fabriek over een periode van 72 dagen om twee neurale netwerktopologieën (met en zonder lus) te bouwen, te trainen en te testen, die zijn getraind met het Levenberg-Marquardt-algoritme.