ПІДВИЩЕННЯ ЯКОСТІ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ОБСЯГІВ ГЕНЕРУВАННЯ ФОТОЕЛЕКТРИЧНИХ СТАНЦІЙ НА ОСНОВІ РЕКУРЕНТНИХ НЕЙРОННИХ МЕРЕЖ

Анотація

Проведено поглиблене дослідження сучасних підходів до прогнозування генерування електроенергії сонячними фотоелектричними станціями (ФЕС), що є важливим елементом розвитку відновлюваної енергетики в умовах децентралізованого енергопостачання та зростання частки «зеленої» енергії в енергобалансі. Особливу увагу приділено моделі Sensitivity-Enhanced Recurrent Neural Network (SERNN), яка поєднує переваги рекурентних нейронних мереж з адаптивною чутливістю до змін вхідних метеорологічних параметрів. Запропонований підхід базується на врахуванні ключових кліматичних факторів, що безпосередньо впливають на обсяги вироблення сонячної енергії, зокрема глобальної сонячної радіації, температури довкілля, ступеня хмарності, а також сезонних коливань. Показано, що на відміну від класичних моделей, таких як лінійна регресія або традиційні нейромережі типу LSTM, модель SERNN демонструє здатність до гнучкого реагування на швидкоплинні зміни погодних умов завдяки вбудованому механізму динамічної адаптації вагових коефіцієнтів. В дослідженні детально розглянуто етапи попередньої обробки вхідних даних, які є критично важливими для забезпечення якості навчання та точності прогнозу, зокрема: масштабування (нормалізація) показників, кодування часових ознак у вигляді синусоїдальних функцій для відображення добових та сезонних циклів, а також фільтрація або корекція аномальних значень, які можуть спотворювати результати моделі. На основі реальних даних спостережень з декількох фотоелектричних установок експериментально підтверджено високу ефективність застосування SERNN у задачах короткострокового прогнозування. Зокрема, зафіксовано істотне зниження середньої абсолютної похибки (MAE) та кореня середньоквадратичної похибки (RMSE) у порівнянні з альтернативними підходами. Запропонована модель також продемонструвала стабільність результатів у періоди з високою мінливістю погодних умов, що особливо важливо для енергетичного планування та оптимізації роботи мереж. Загалом дослідження підтверджує потенціал глибоких нейромереж з чутливим механізмом до метеоумов як перспективного інструменту для точного прогнозування генерування ФЕС. Це відкриває нові можливості для інтеграції відновлюваних джерел енергії в енергосистему з мінімізацією технічних і фінансових ризиків, пов’язаних з небалансами.