Artificially evolved soft computing models for photovoltaic power plant output estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F12%3A86085009" target="_blank" >RIV/61989100:27240/12:86085009 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ICSMC.2012.6377861" target="_blank" >http://dx.doi.org/10.1109/ICSMC.2012.6377861</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICSMC.2012.6377861" target="_blank" >10.1109/ICSMC.2012.6377861</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Artificially evolved soft computing models for photovoltaic power plant output estimation

Popis výsledku v původním jazyce

Renewable energy sources are becoming a significant part of todays energy mix. The unstable production of many renewable energy sources including photovoltaic and wind power plants puts increased demands on power transmission systems and on the power grid as a whole. Soft computing methods can contribute to the prediction of electric energy production of renewable resources and therefore to the reliability of the power transmission networks. This work compares two soft computing methods that utilize genetic programming to evolve predictors of a selected renewable energy resource that meets the real world criterion of high output variance and relatively large installed power (in context of the power distribution system of the Czech Republic). 2012 IEEE.

Název v anglickém jazyce

Artificially evolved soft computing models for photovoltaic power plant output estimation

Popis výsledku anglicky

Renewable energy sources are becoming a significant part of todays energy mix. The unstable production of many renewable energy sources including photovoltaic and wind power plants puts increased demands on power transmission systems and on the power grid as a whole. Soft computing methods can contribute to the prediction of electric energy production of renewable resources and therefore to the reliability of the power transmission networks. This work compares two soft computing methods that utilize genetic programming to evolve predictors of a selected renewable energy resource that meets the real world criterion of high output variance and relatively large installed power (in context of the power distribution system of the Czech Republic). 2012 IEEE.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Conference Proceedings - IEEE International Conference on Systems, Man and Cybernetics 2012

ISBN

978-1-4673-1714-6

ISSN

1062-922X

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1011-1016

Název nakladatele

IEEE

Místo vydání

New York

Místo konání akce

Soul

Datum konání akce

14. 10. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—