Supervised Learning of Photovoltaic Power Plant Output Prediction Models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F13%3A86088091" target="_blank" >RIV/61989100:27240/13:86088091 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/13:86088091

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Supervised Learning of Photovoltaic Power Plant Output Prediction Models

Popis výsledku v původním jazyce

This study presents an application of evolutionary fuzzy rules to the modeling and prediction of power output of a real-world Photovoltaic Power Plant (PVPP). The method is compared to arti cial neural networks and support vector regression that were also used to build predictors in order to analyze a time-series like data describing the production of the PVPP. The models of the PVPP are created using di ferent supervised machine learning methods in order to forecast the short-term output of the power plant and compare the accuracy of the prediction.

Název v anglickém jazyce

Supervised Learning of Photovoltaic Power Plant Output Prediction Models

Popis výsledku anglicky

This study presents an application of evolutionary fuzzy rules to the modeling and prediction of power output of a real-world Photovoltaic Power Plant (PVPP). The method is compared to arti cial neural networks and support vector regression that were also used to build predictors in order to analyze a time-series like data describing the production of the PVPP. The models of the PVPP are created using di ferent supervised machine learning methods in order to forecast the short-term output of the power plant and compare the accuracy of the prediction.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JE - Nejaderná energetika, spotřeba a užití energie

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

2013

Kód důvěrnosti údajů

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

Název periodika

Neural Network World

ISSN

1210-0552

e-ISSN

—

Svazek periodika

23

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

18

Strana od-do

321-338

Kód UT WoS článku

000325193300004

EID výsledku v databázi Scopus

—