Heisenberg’s Uncertainty Principle in Evaluating the Level of Power Generated by Renewable Sources

Osypenko, Kateryna Serhiivna; Zhuikov, Valerii

doi:10.15407/techned2017.01.010

Cited by 5 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Copyright (c) 2019 Корчака М. О., Клен К. С., Жуйков В. Я. Враховуючи як відсутність даних про освітленість, так і зменшення її величини, керування Micro Grid на базовому інтервалі та на інтервалі спостереження ускладнюється. Застосування принципу невизначеності Гейзенберга вказує на необхідність прогнозування величини енергії, що може бути отримана від станції на наступному інтервалі спостереження [4][5][6]. Для реалізації прогнозного керування необхідно прогнозувати зміну освітленості сонячних панелей за умови проходження хмари над їх площиною.…”

Section: електронні системи та сигналиunclassified

Filling Gaps in Micro Grid by Method Based on Empirical Orthogonal Functions

Korchaka¹,

Klen²,

Zhuikov³

2019

Mìkrosist. elektron. akust.

View full text Add to dashboard Cite

Кафедра промислової електроніки Факультет електроніки Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» kpi.ua Київ, Україна Жуйков s В. Я., д.т.н. проф., ORCID 0000-0002-3338-2426 Факультет електроніки Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» kpi.ua Київ, Україна Анотація-В даній статті наведено результати застосування методу емпіричних ортогональних функцій для відновлення даних в матриці даних про освітленість сонячних панелей за умови їх часткового затінення внаслідок проходження хмари. Аналіз існуючих методів відновлення даних показав доцільність застосування саме методу емпіричних ортогональних функцій, який дозволяє відновлювати дані з необхідною точністю. Як початкові дані розглядаються рівні освітленості частини мікрорайону з встановленими сонячними батареями на дахах. Оскільки метод емпіричних ортогональних функцій працює з матрицями даних, територія мікрорайону була розбита на 400 областей, кожній з яких відповідає комірка матриці-частина цих областей містить давачі освітленості, частина ні; відповідно, в матриці з'являються комірки з відсутніми даними, які підлягають відновленню. Метою дослідження було здійснити відновлення даних про освітленість в тих комірках, які співвідносились з областями мікрорайону, де відсутні давачі освітленості. Для перевірки достовірності результатів відновлення даних було сформовано дві матриці: одну за умови, що відомі виміряні дані в кожній комірці, другу-за реальних умов відсутності частини давачів. Розрахунки виконувались для фіксованої форми хмари, яка затіняла частину мікрорайону, за синусоїдальним законом зміни коефіцієнту прозорості атмосфери та із застосуванням поліному третього ступеня. За вказаних умов дослідження середньоквадратична похибка відновлення даних про освітленість не перевищує 1%. Бібл. 10, рис. 6. Ключові слова-Micro Grid; сонячні панелі; прогнозне керування; відновлення даних; метод на основі емпіричних ортогональних функцій.

show abstract

Section: електронні системи та сигналиunclassified

Filling Gaps in Micro Grid by Method Based on Empirical Orthogonal Functions

Korchaka¹,

Klen²,

Zhuikov³

2019

Mìkrosist. elektron. akust.

View full text Add to dashboard Cite

show abstract

“…The efficient work of the station is realized by predictive control in the basic interval according to the predictor-corrector method [4]. In the n th interval there is a prediction of the wind speed change function, and in the (n + 1) th interval a correction of values is made, for which the wind speed change function must be known, which in turn should be approximated by orthogonal functions with the slightest approximation error [5].…”

Section: Introductionmentioning

confidence: 99%

Prediction of the wind speed change function by linear regression method

Klen,

Martynyuk,

Yaremenko

2019

Comput. probl. electr. eng.

View full text Add to dashboard Cite

In the article the approximation of the function of wind speed changes by linear functions based on Walsh functions and the prediction of function values by linear regression method is made. It is shown that under the condition of a linear change of the internal resistance of the wind generator over time, it is advisable to introduce the wind speed change function with linear approximation. The system of orthonormal linear functions based on Walsh functions is given. As an example, the approximation of the linear-increasing function with a system of 4, 8 and 16 linear functions based on the Walsh functions is given. The result of the approximation of the wind speed change function with a system of 8 linear functions based on Walsh functions is shown. Decomposition coefficients, mean-square and average relative approximation errors for such approximation are calculated. In order to find the parameters of multiple linear regression the method of least squares is applied. The regression equation in matrix form is given. The example of application of the prediction method of linear regression to simple functions is shown. The restoration result for wind speed change function is shown. Decomposition coefficients, mean-square and average relative approximation errors for restoration of wind speed change function with linear regression method are calculated.

show abstract

The Influence of the Wind Speed Prediction Error on the Size of the Storage Controlled Operation Zone in the System With the Wind Generator

Klen¹,

Yaremenko²,

Zhuykov³

2020

Praci Inst. elektrodin. Nac. akad nauk Ukr.

View full text Add to dashboard Cite

The article analyzes the influence of wind speed prediction error on the size of the controlled operation zone of the storage. The equation for calculating the power at the output of the wind generator according to the known values of wind speed is given. It is shown that when the wind speed prediction error reaches a value of 20%, the controlled operation zone of the storage disappears. The necessity of comparing prediction methods with different data discreteness to ensure the minimum possible prediction error and determining the influence of data discreteness on the error is substantiated. The equations of the "predictor-corrector" scheme for the Adams, Heming, and Milne methods are given. Newton's second interpolation formula for interpolation/extrapolation is given at the end of the data table. The average relative error of MARE was used to assess the accuracy of the prediction. It is shown that the prediction error is smaller when using data with less discreteness. It is shown that when using the Adams method with a prediction horizon of up to 30 min, within ± 34% of the average energy value, the drive can be controlled or discharged in a controlled manner. References 13, figures 2, tables 3.

show abstract

Heisenberg’s Uncertainty Principle in Evaluating the Level of Power Generated by Renewable Sources

Cited by 5 publications

References 0 publications

Filling Gaps in Micro Grid by Method Based on Empirical Orthogonal Functions

Filling Gaps in Micro Grid by Method Based on Empirical Orthogonal Functions

Prediction of the wind speed change function by linear regression method

The Influence of the Wind Speed Prediction Error on the Size of the Storage Controlled Operation Zone in the System With the Wind Generator

Contact Info

Product

Resources

About