Application of Neural Networks Solar Radiation Prediction for Hybrid Renewable Energy Systems

 
δείτε την πρωτότυπη σελίδα τεκμηρίου
Ο σύνδεσμος στην καρτέλα τεκμηρίου στο αποθετήριο δεν είναι διαθέσιμος προσωρινά λόγω τεχνικών εργασιών στον ιστότοπο του φορέα.
κοινοποιήστε το τεκμήριο




2014 (EL)
Application of Neural Networks Solar Radiation Prediction for Hybrid Renewable Energy Systems

Chatziagorakis, Prodromos
Elmasides, Costas
Papadopoulos, Athanasios
Seferlis, Panos
Karafyllidis, Ioannis
Voutetakis, Spyros
Stergiopoulos, Fotis
Ziogou, Chrysovalantou
Andreadis, Ioannis
Giaouris, Damian
Papadopoulou, Simira
Sirakoulis, Georgios
Georgoulas, Nikolaos
Ipsakis, Dimitris

Γεωργουλάς, Νικόλαος
Στεργιόπουλος, Φώτης
Συρακούλης, Γεώργιος
Χατζηαγοράκης, Πρόδρομος
Ζιώγου, Xρυσοβαλάντου
Ανδρεάδης, Ιωάννης
Ιψάκης, Δημήτρης
Σεφερλής, Πάνος
Βουτετάκης, Σπύρος
Καραφυλλίδης, Ιωάννης
Γκιαούρης, Δαμιανός
Παπαδοπούλου, Σημίρα
Παπαδόπουλος, Αθανάσιος
Ελμασίδης, Κωνσταντίνος

Δημοσιεύσεις μελών--ΣΤΕΦ--Τμήμα Αυτοματισμού, 2015
In this paper a Recurrent Neural Network (RNN) for solar radiation prediction is proposed for the enhancement of the Power Management Strategies (PMSs) of Hybrid Renewable Energy Systems (HYRES). The presented RNN can offer both daily and hourly prediction concerning solar irradiation forecasting. As a result, the proposed model can be used to predict the Photovoltaic Systems output of the HYRES and provide valuable feedback for PMSs of the understudy autonomous system. To do so a flexible network based design of the HYRES is used and, moreover, applied to a specific system located on Olvio, near Xanthi, Greece, as part of SYSTEMS SUNLIGHT S.A. facilities. As a result, the RNN after training with meteorological data of the aforementioned area is applied to the specific HYRES and successfully manages to enhance and optimize its PMS based on the provided solar radiation prediction.

Book chapter

Solar Radiation
Recurrent Neural Network
Power Management Strategy
Hybrid Renewable Energy System

Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα (Α.Τ.Ε.Ι.) Θεσσαλονίκης (EL)
ATEI of Thessaloniki (EN)

Αγγλική γλώσσα

2015-07-14T14:02:42Z
2014-09-05

978-3-319-11070-7
10.1007/978-3-319-11071-4_13
978-3-319-11071-4
Sofia.15th International Conference. (2014) Application of Neural Networks Solar Radiation Prediction for Hybrid Renewable Energy Systems. Switzerland: Springer International Publishing (133-144)
InterInternational Conferencenational Conference, Sofia, 2014

Springer International Publishing


Το τεκμήριο πιθανώς υπόκειται σε σχετική με τα Πνευματικά Δικαιώματα νομοθεσία
This item is probably protected by Copyright Legislation



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.