Нейромережевий метод визначення активного складу вітрової електричної станції

Abstract

У статті подано результати дослідження можливостей застосування нейронних мереж для розв’язання задачі визначення активного складу вітрової електричної станції (ВЕС) з врахуванням коефіцієнта ефективності кожної вітроелектричної установки (ВЕУ). Здійснено порівняльний аналіз отриманих результатів з відомими методами визначення активного складу ВЕС, такими як: метод динамічного програмування; метод динамічного програмування із обґрунтованим підвищенням заданого навантаження; модифікований метод динамічного програмування. Визначено переваги та недоліки використання кожного з досліджуваних методів, щодо можливості досягнення заданої потужності генерації при максимальному коефіцієнті ефективності вибраних ВЕУ. Встановлено, що при використанні рекурентних нейронних мереж для розв’язання задачі визначення активного складу ВЕС, мінімальний лінійний коефіцієнт варіації різниці між потужністю, яку необхідно генерувати, та реальною потужністю визначеного активного складу ВЕС становить 2,7 %. За тих самих умов застосування інших відомих методів, зокрема модифікованого методу динамічного програмування, забезпечує досягнення цього параметра на рівні 0,05 %. При цьому час розв’язання задачі суттєво збільшується. Шляхом комп’ютерного моделювання встановлено, що за рівних умов час розв’язання задачі за допомогою нейронних мереж – 0,04 с, а за допомогою модифікованого методу динамічного програмування – 3,4 с. Отримані результати забезпечують можливість реалізації ефективних систем підтримки прийняття рішень при управлінні енергетичними потоками.The article presents the results of the study of the possibilities of using neural networks to solve the problem of determining the active set of a wind farm (WF), taking into account the efficiency of each wind turbines (WT). The comparative analysis of the obtained results with the known methods of determining the active composition of WF, such as: the method of dynamic programming; the method of dynamic programming with increasing the load on the experimentally set percentage; modified method of dynamic programming. The advantages and disadvantages of using each of the studied methods in terms of the possibility of achieving a given generation power at the maximum efficiency of the selected WT are determined. It is established that when using recurrent neural networks to solve the problem of determining the active composition of WF, the minimum direct linear variation of the difference between the power to be generated and the actual power of the determined active set of WF is 2.7 %. Under the same conditions, the use of other known methods, in particular, the modified method of dynamic programming ensures the achievement of this parameter at the level of 0.05 %. This significantly increases the time to solve the problem. By computer simulation, it was found that under equal conditions, the time to solve the problem using neural networks – 0.04 s, and using a modified method of dynamic programming 3.4 s. The obtained results provide an opportunity to implement effective decision support systems in energy flow management.