การพยากรณ์กำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์แบบติดตั้งอุปกรณ์วัดด้วยโครงข่ายประสาทเทียม

ภาณุพงศ์ น้ำแก้ว

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/77074

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	วาทิต เบญจพลกุล	-
dc.contributor.author	ภาณุพงศ์ น้ำแก้ว	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2021-09-22T23:25:37Z	-
dc.date.available	2021-09-22T23:25:37Z	-
dc.date.issued	2563	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/77074	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2563	-
dc.description.abstract	ข้อจำกัดอย่างหนึ่งของพลังงานแสงอาทิตย์คือกำลังไฟฟ้าที่ได้นั้นมีความไม่แน่นอนเนื่องมาจากสภาพภูมิอากาศที่เปลี่ยนแปลง ซึ่งความไม่แน่นอนนี้ส่งผลกระทบต่อการผลิตไฟฟ้า คุณภาพของระบบไฟฟ้า และจัดสรรพลังงานไฟฟ้าให้เหมาะสมกับการใช้ไฟฟ้าในวันถัดไปได้อย่างมีประสิทธิภาพ ดังนั้น จึงมีความจำเป็นที่ต้องมีการพยากรณ์กำลังไฟฟ้าเพื่อเพิ่มประสิทธิภาพให้ระบบเซลล์แสงอาทิตย์ งานวิจัยนี้จึงได้นำเสนอวิธีการพยากรณ์กำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์ในวันถัดไปโดยใช้อุปกรณ์วัด โดยศึกษาและทดลองกับระบบเซลล์แสงอาทิตย์ขนาด 4.5 กิโลวัตต์ ที่ติดตั้งบนหลังคาที่พักอาศัยจริง งานวิจัยนี้ใช้โครงข่ายประสาทเทียมในการพยากรณ์ค่ากำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์ทุก ๆ 5 นาที โดยศึกษาทดลองหาข้อมูลป้อนเข้าที่เหมาะสมโดยเลือกจากปัจจัยที่มีผลต่อกำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์ ทั้งนี้ได้ศึกษาทดลองฟังก์ชันถ่ายโอนของโครงข่ายประสาทเทียมแบบต่าง ๆ เพื่อเลือกใช้ฟังก์ชันถ่ายโอนที่ให้ค่าความผิดพลาดในการพยากรณ์ต่ำที่สุด จากการศึกษาได้เลือกข้อมูลป้อนเข้าที่เหมาะสมซึ่งส่งผลต่อกำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์ ได้แก่ ความเข้มของแสงอาทิตย์ อุณหภูมิบนแผงเซลล์แสงอาทิตย์ และกำลังไฟฟ้าของเซลล์แสงอาทิตย์วันก่อนพยากรณ์ จากการทดลองพบว่ารูปแบบฟังก์ชันถ่ายโอนของโครงข่ายประสาทเทียมที่มีค่าความผิดพลาดของการพยากรณ์ต่ำที่สุด คือ โครงข่ายประสาทเทียมแบบ 2 ชั้นซ่อน Tan sigmoid - Log sigmoid และชั้นเอาต์พุต Pure Linear ซึ่งมีค่าความผิดพลาดเฉลี่ยตลอดทั้งปีอยู่ที่ 18.80% จากนั้นได้นำโครงข่ายประสาทเทียมดังกล่าวไปเขียนเป็นโปรแกรม MATLAB เพื่อช่วยให้สามารถติดต่อกับอุปกรณ์อื่นได้ในอนาคต	-
dc.description.abstractalternative	One of significant limitations of PV system is the uncertainty of power output due to the change of weather. The uncertainty will affect the produced electricity, quality of electrical system and energy source selection suitably in next day. Therefore, it is necessary to forecast the power output in order to improve the PV system efficiency. This thesis presents the forecasting of power output in one day ahead of PV system using solar measurement devices by studying and experimenting with a 4.5 kW PV system installed on the roof of a house. This thesis uses Artificial Neural Network (ANN) to implement the PV power output forecasting every 5 minutes. The study is done by selecting the appropriate input data that affect the PV power output then investigating the transfer functions of ANN that carry out the lowest error of the PV power output forecasting. The study is done by selecting the appropriate input data that affect the PV power output including solar radiation, module temperature and measured PV power output in the day before forecasting day, the experimental results show that transfer function of ANN of Tan sigmoid - Log sigmoid in hidden layer and Pure Linear in output layer gives the lowest annual average forecasting error at 18.80% of measured power output. In addition, the MATLAB program was introduced to implement ANN in order to communicate with other hardware equipments for further applications.	-
dc.language.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2020.1112	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.subject.classification	Engineering	-
dc.title	การพยากรณ์กำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์แบบติดตั้งอุปกรณ์วัดด้วยโครงข่ายประสาทเทียม	-
dc.title.alternative	Power forecast of photovoltaic system with measuring devices by using artificial neural networks	-
dc.type	Thesis	-
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	-
dc.degree.level	ปริญญาโท	-
dc.degree.discipline	วิศวกรรมไฟฟ้า	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.identifier.DOI	10.58837/CHULA.THE.2020.1112	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
5970284621.pdf		9.11 MB	Adobe PDF	View/Open

Show simple item record