Эти работы ведутся ЮУрГУ в рамках программы «Приоритет 2030» для успешного развития экономики и науки

Интернациональный коллектив ученых использовал искусственный интеллект, чтобы повысить эффективность работы солнечных электростанций. Предложенные улучшения были апробированы на базе действующего объекта. Об этом сообщает ЮУрГУ, партнер сети TV BRICS.

Исследование проводилось учеными из РФ, Малайзии и Турции. Россия была представлена Южно-Уральским государственным университетом, в частности доктором технических наук, профессором кафедры электрических станций, сетей и систем электроснабжения Ириной Кирпичниковой и старшим научным сотрудником, PhD, Судхакаром Кумарасами.

Дело в том, что возобновляемые источники энергии имеют ряд свойств, которые затрудняют расчет выработки ими электроэнергии. Так, весьма непросто точно предсказать скорость ветра, инсоляцию и температуру воздуха из-за нестабильного характера первичной энергии.

«Непостоянство поступления энергии сказывается на генерации и производительности электростанций. Известно, например, что повышение температуры окружающей среды всего на 1 градус снижает генерацию энергии на 0,5%. В масштабах крупных солнечных электростанций это достаточно серьезная проблема. Мы разработали модель прогнозирования годовой выработки электроэнергии и определили коэффициенты производительности на действующих электростанциях с учетом климатических факторов с использованием искусственного интеллекта», – говорит Ирина Кирпичникова.

Исследователи работали с тремя методами ИИ при создании своей модели: адаптивной нейро-нечеткой системой вывода данных (ANFIS), методологией поверхности отклика (RSM) и искусственной нейронной сетью (ANN). Все три составляющие точнее прогнозируют метеорологические условия и производительность установок на базе возобновляемых источников энергии, как результат – повышается эффективности работы станции.

«Сравнительные исследования трех методов прогнозирования показали, что адаптивная нейро-нечеткая система вывода была самой точной моделью прогнозирования коэффициента производительности», – комментирует Ирина Кирпичникова.

Созданная модель прогнозирования энергогенерации очень важна для специалистов в области солнечной энергетики, для исследователей и разработчиков солнечных энергоустановок. Точное прогнозирование солнечной генерации с использованием инструментов искусственного интеллекта – важная и полезная информация для центров диспетчеризации нагрузки и планирования мощности из других источников и других электроэнергетических компаний или приложений для производства электроэнергии.

Подобные исследовательские работы также предполагается выполнить для холодных регионов планеты, например для условий Русского Севера. По-прежнему важно создать инновационный алгоритм машинного обучения для анализа и прогноза солнечной энергии, в частности предсказать, как меняется производительность электростанций в течение срока их службы. Финансовую поддержку исследованию оказал Университет Паханга в Малайзии.

В приоритете у университета – стратегический проект «Экосреда постиндустриальной агломерации», осуществляемый для улучшения состояния окружающей среды постиндустриальных агломераций в России за счет сокращения количества парниковых газов и других опасных для экосистем загрязнителей.

Фото: IStock