Pregled bibliografske jedinice broj: 586633
Identifikacija modela sunčeve dozračenosti primjenom neuronske mreže s kružnom osnovicom
Identifikacija modela sunčeve dozračenosti primjenom neuronske mreže s kružnom osnovicom, 2012., diplomski rad, preddiplomski, Fakultet elektrotehnike i računarstva, Zagreb
CROSBI ID: 586633 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Identifikacija modela sunčeve dozračenosti primjenom neuronske mreže s kružnom osnovicom
(Identification of solar irradiance model using a radial basis function neural network)
Autori
Jurišić, Alen
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, preddiplomski
Fakultet
Fakultet elektrotehnike i računarstva
Mjesto
Zagreb
Datum
04.07
Godina
2012
Stranica
37
Mentor
Baotić, Mato
Neposredni voditelj
Gulin, Marko
Ključne riječi
identifikacija; neuronsske mreže s kružnom osnovicom; sunčeva dozračenost; matematički model
(identification; RBF neural networks; solar irradiance; mathematical model)
Sažetak
Korištenjem obnovljivih izvora energije smanjuje se potreba za fosilnim gorivima, a samim time i onečišćenje okoliša prouzročeno njihovim izgaranjem. Obnovljivi izvori su neiscrpan potencijal energije, a među njima se posebno ističe Sunčeva energija bez koje svijet nije zamisliv. Ipak, zbog svoje specifičnosti (promjenjivost, nepouzdanost) taj je izvor skup, a često i nepraktičan u odnosu na konvencionalne izvore energije (fosilna goriva) te je upravo to velika prepreka za njihovo masovno korištenje. Zbog toga je važno razviti odgovarajuće metode upravljanja, kojima bi se na odgovarajući način postigao što manji efekt promjenjivih uvjeta na konačan rezultat proizvedene električne energije. Tu se rješenje nalazi se u modelskom prediktivnom upravljanju koje uz pomoć poznatog modela sustava i dostupnih mjerenja može predvidjeti vladanje sustava u budućnosti te na odgovarajući način djelovati kako bi se maksimizirala proizvodnja električne energije. Cilj rada je zato bio identificirati model Sunčeve dozračenosti koji je zapravo ključ za sintezu modelskog prediktivnog upravljanja. Kod identifikacije modela uzete se u obzir direktna i difuzna komponenta Sunčeve dozračenosti, a primijenjena je neuronska mreža s kružnom osnovicom (RBF neuronska mreža) čiji je algoritam učenja implementiran kao Kalmanov filtar, odnosno kao Unscented Kalmanov filtar namijenjen kao estimator za nelinearne sustave.
Izvorni jezik
Hrvatski
Znanstvena područja
Elektrotehnika, Računarstvo, Temeljne tehničke znanosti
POVEZANOST RADA
Projekti:
036-0361621-3012 - Napredne strategije upravljanja i estimacije u složenim sustavima (Perić, Nedjeljko, MZO ) ( CroRIS)
Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb
Profili:
Mato Baotić
(mentor)