Artificial neural network for probabilistic forecasting of the output power of photovoltaic systems

Martins, Rodrigo Pizetti; Ferreira, Vitor Hugo; Lopes, Thales Terrola e

doi:10.1109/sbse.2018.8395884

Cited by 2 publications

(1 citation statement)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Assumindo como premissa que o vetor de pesos w deve apresentar valores próximos a zero, com o objetivo de mitigar a saturação durante o treinamento. Será adotado que o conjunto de pesos segue uma distribuição normal com média nula e matriz de covariância proporcional à matriz identidade (αI), conforme apresentado pela equação (2) (Ferreira and da Silva, 2007;Martins et al, 2018).…”

Section: Treinamento Bayesiano Aplicado àS Redes Neurais Artificiaisunclassified

Aplicação de Redes Neurais Artificiais para Estimação de Indicadores de Segurança Estática e Dinâmica de Sistemas Elétricos de Potência

SOUZA

Ferreira

Neto

2022

Proceedings IX Simpósio Brasileiro De Sistemas Elétricos

View full text Add to dashboard Cite

Nowadays, with the increase of fear of blackout events due to society's increased dependence on electricity, the development of studies related to the power systems security analysis is one of the main activities to be carried out within the scope of planning and operation of electrical grids. Thus, this subject has been debated in the literature for a long period of time and with the advancement of computational power, lots of studies are developed using artificial intelligence techniques for the prediction of indicators related to the power systems security analysis. In this context, this article presents the development of a model, using artificial neural networks, which will work together with power system analysis software for prediction safety indicators, static and dynamic, of electrical power systems.Resumo: Atualmente, com o maior receio de ocorrências de blecautes em função do aumento da dependência da energia elétrica pela sociedade, o desenvolvimento de estudos relacionados à segurança dos sistemas elétricos de potência desponta como uma das principais atividades a serem realizadas no âmbito do planejamento e da operação dos sistemas elétricos. Em função disso, este assunto tem sido amplamente debatido na literatura e com o avanço do poder computacional, cada vez mais autores propõem a utilização de técnicas de inteligência artificial para a predição de indicadores relacionados à segurança dos Sistemas Elétricos de Potência. Neste contexto, este artigo apresenta o desenvolvimento de um modelo, utilizando redes neurais artificiais, que irá atuar em conjunto com softwares de análise de sistema de potência para a previsão de indicadores de segurança estática e dinâmica de sistemas elétricos de potência.

show abstract

Section: Treinamento Bayesiano Aplicado àS Redes Neurais Artificiaisunclassified

Aplicação de Redes Neurais Artificiais para Estimação de Indicadores de Segurança Estática e Dinâmica de Sistemas Elétricos de Potência

SOUZA

Ferreira

Neto

2022

Proceedings IX Simpósio Brasileiro De Sistemas Elétricos

View full text Add to dashboard Cite

show abstract

Comparison of Power Output Forecasting on the Photovoltaic System Using Adaptive Neuro-Fuzzy Inference Systems and Particle Swarm Optimization-Artificial Neural Network Model

et al. 2020

View full text Add to dashboard Cite

The power output forecasting of the photovoltaic (PV) system is essential before deciding to install a photovoltaic system in Nakhon Ratchasima, Thailand, due to the uneven power production and unstable data. This research simulates the power output forecasting of PV systems by using adaptive neuro-fuzzy inference systems (ANFIS), comparing accuracy with particle swarm optimization combined with artificial neural network methods (PSO-ANN). The simulation results show that the forecasting with the ANFIS method is more accurate than the PSO-ANN method. The performance of the ANFIS and PSO-ANN models were verified with mean square error (MSE), root mean square error (RMSE), mean absolute error (MAP) and mean absolute percent error (MAPE). The accuracy of the ANFIS model is 99.8532%, and the PSO-ANN method is 98.9157%. The power output forecast results of the model were evaluated and show that the proposed ANFIS forecasting method is more beneficial compared to the existing method for the computation of power output and investment decision making. Therefore, the analysis of the production of power output from PV systems is essential to be used for the most benefit and analysis of the investment cost.

show abstract

Artificial neural network for probabilistic forecasting of the output power of photovoltaic systems

Cited by 2 publications

References 7 publications

Aplicação de Redes Neurais Artificiais para Estimação de Indicadores de Segurança Estática e Dinâmica de Sistemas Elétricos de Potência

Aplicação de Redes Neurais Artificiais para Estimação de Indicadores de Segurança Estática e Dinâmica de Sistemas Elétricos de Potência

Comparison of Power Output Forecasting on the Photovoltaic System Using Adaptive Neuro-Fuzzy Inference Systems and Particle Swarm Optimization-Artificial Neural Network Model

Contact Info

Product

Resources

About