Карпенко О. В. Система моніторингу фотоелектричних станцій з системою інтелектуальної підтримки прийняття рішень на основі прогностичних моделей

Дисертація спрямована на вирішення актуальної науково–технічної задачі підтримки необхідних умов збалансованого функціонування енергосистеми та енергоринку шляхом інтеграції відповідних методів моделювання та прогнозування часових рядів виробітку фотоелектричної енергії мережевими фотоелектричними станціями з керуючими та інформаційно–вимірювальними системами, які забезпечують моніторинг всієї необхідної для цього інформації. В роботі проаналізовано особливості системи управління фотоелектричними процесами, які вимагають інтелектуальної підтримки прийняття рішень на основі прогностичних моделей, а також процес фотоелектричного перетворення сонячної енергії у якості об’єкту автоматичного прогнозування. За результатами цього аналізу прийнято рішення відносно побудови структури моделі за екзогенним типом, який враховує як ретроспективні дані, так і одночасний з цими даними вектор параметрів, які впливають на рівень генерації. До цих параметрів відносяться метеорологічні дані та дані, що характеризують у часовій послідовності положення сонця на небосхилі відносно позиції геолокації фотогальванічної станції. Обчислювач екзогенної моделі базується на математичному опису фотогальванічного процесу. При цьому для побудови цього математичного опису використано гібридний підхід. Згідно цього підходу прогностична модель включає два функціональних блоки: блок аналітичного прогнозування та блок статистичного прогнозування з використанням методів машинного навчання. Блок аналітичного прогнозування для кожної години кожного дня і місяця року в залежності від положення сонця обчислює величину енергії сонячного випромінювання, яке досягає панелей фотоелектричної станції за ідеальних умов безхмарного неба. Блок статистичного прогнозування обчислює з урахуванням прогнозованого стану атмосфери прогнозований щогодинний виробіток електричної енергії фотоелектричною станцією. Розглянуто існуючі підходи до побудови блоків прогностичної моделі. Відзначено, що головним недоліком розглянутих підходів до побудови блоку статистичного прогнозування являється відсутність в них ефективного механізму захисту результатів прогнозування від помилкових ознак метеорологічного стану довкілля у ретроспективних базах даних, які використовуються для машинного навчання моделей. За наявністю таких помилкових ознак модель навчається некоректно, що призводить до значних відхилень прогнозу від факту у подальшому, навіть при якісних, безпомилкових метеорологічних прогнозах на прогнозовану годину.