In recent years, introduction of a

In recent years, introduction of a renewable energy source such as solar energy is expected. However, solar radiation is not constant and power output of photovoltaic (PV) system is influenced by weather conditions. It is difficult for getting to know accurate power output of PV system. In order to forecast the power output of PV system as accurate as possible, this paper proposes a decision technique of forecasting model for short-term-ahead power output of PV system based on solar radiation prediction. Application of Recurrent Neural Network (RNN) is shown for solar radiation prediction in this paper. The proposed method in this paper does not require complicated calculation, but mathematical model with only useful weather data. The validity of the proposed RNN is confirmed by comparing simulation results of solar radiation forecasting with that obtained from other method

ผลลัพธ์ (ไทย) 1:

แนะนำแหล่งพลังงานทดแทนเช่นพลังงานแสงอาทิตย์คาดว่าในปีที่ผ่านมา อย่างไรก็ตาม รังสีแสงอาทิตย์ไม่คง และผลผลิตพลังงานของเซลล์แสงอาทิตย์ (PV) ระบบมีผลต่อสภาพอากาศ มันเป็นเรื่องยากสำหรับการทำความรู้จักผลผลิตไฟฟ้าที่ถูกต้องของระบบพลังงานแสงอาทิตย์ เพื่อคาดการณ์ผลผลิตพลังงานของระบบพลังงานแสงอาทิตย์ที่ถูกต้องที่สุด กระดาษนี้เสนอเทคนิคการตัดสินใจของโมเดลการคาดการณ์สำหรับพลังงานสไตล์-term ล่วงหน้าผลลัพธ์ของระบบพลังงานแสงอาทิตย์ตามการคาดเดาของรังสีแสงอาทิตย์ แสดงแอพลิเคชันของเกิดซ้ำประสาทเครือข่าย (RNN) สำหรับรังสีแสงอาทิตย์ทำนายในเอกสารนี้ วิธีการนำเสนอในเอกสารนี้ไม่จำเป็นต้องคำนวณซับซ้อน แต่แบบจำลองทางคณิตศาสตร์กับข้อมูลสภาพอากาศเป็นประโยชน์เท่านั้น มีผลบังคับใช้ของ RNN เสนอถูกยืนยัน โดยการเปรียบเทียบผลการทดลองของรังสีแสงอาทิตย์คาดการณ์ที่ได้รับจากวิธีการอื่น ๆ

ผลลัพธ์ (ไทย) 2:

ในปีที่ผ่านการแนะนำของแหล่งพลังงานหมุนเวียนเช่นพลังงานแสงอาทิตย์ที่คาดว่า แต่รังสีดวงอาทิตย์ไม่ได้การส่งออกอย่างต่อเนื่องและพลังของเซลล์แสงอาทิตย์ (PV) ระบบได้รับอิทธิพลจากสภาพอากาศ มันเป็นเรื่องยากสำหรับการที่จะรู้ว่าการส่งออกพลังงานที่ถูกต้องของระบบ PV เพื่อคาดการณ์การส่งออกพลังงานของระบบ PV เป็นที่ถูกต้องเป็นไปได้บทความนี้นำเสนอเทคนิคการตัดสินใจของรูปแบบการคาดการณ์สำหรับระยะสั้นข้างหน้าการส่งออกพลังงานของระบบ PV ขึ้นอยู่กับการคาดการณ์ของรังสีดวงอาทิตย์ การประยุกต์ใช้เครือข่ายประสาทกำเริบ (RNN) แสดงให้เห็นว่าการทำนายรังสีแสงอาทิตย์ในบทความนี้ วิธีการที่นำเสนอในบทความนี้ไม่จำเป็นต้องมีการคำนวณที่ซับซ้อน แต่แบบจำลองทางคณิตศาสตร์ที่มีข้อมูลสภาพอากาศที่มีประโยชน์ ความถูกต้องของ RNN เสนอได้รับการยืนยันโดยการเปรียบเทียบผลการจำลองการคาดการณ์ของรังสีแสงอาทิตย์ที่ได้มาจากวิธีการอื่น

ผลลัพธ์ (ไทย) 3:

ใน ปี ล่าสุด แนะนำแหล่งพลังงานหมุนเวียน เช่น พลังงานแสงอาทิตย์ พลังงานที่คาดว่าจะ อย่างไรก็ตาม รังสีไม่คงที่ และพลังงานของแผงเซลล์แสงอาทิตย์ ( PV ) ระบบนี้ได้รับอิทธิพลจากสภาพอากาศ มันเป็นเรื่องยากสำหรับทำความรู้จักกับพลังงานที่ถูกต้องของระบบพลังงานแสงอาทิตย์ . เพื่อพยากรณ์ผลผลิตพลังงานของระบบเซลล์ที่ถูกต้องมากที่สุดเท่าที่เป็นไปได้บทความนี้เสนอเทคนิคในการพยากรณ์การตัดสินใจระยะสั้นข้างหน้าพลังงานของระบบเซลล์ตามคำทำนายรังสีแสงอาทิตย์ การประยุกต์ใช้โครงข่ายประสาทกำเริบ ( rnn ) แสดงทำนายรังสีในกระดาษนี้ วิธีที่เสนอในบทความนี้ ไม่ต้องซับซ้อน คำนวณ แต่แบบจำลองทางคณิตศาสตร์กับข้อมูลสภาพอากาศที่มีประโยชน์เท่านั้นความถูกต้องของการเสนอ rnn ได้รับการยืนยันโดยการเปรียบเทียบผลการทำนายของรังสีที่ได้จากการพยากรณ์ด้วยวิธีอื่น ๆ