Aggiornamento Repository Istituzionale e dismissione di PORTO.

Forecasting short-term solar radiation for photovoltaic energy predictions

Il contenuto (Full text) non è disponibile all'interno di questo archivio. Spedisci una richiesta all'autore per una copia del documento
Tipo di pubblicazione: Articolo in atti di convegno
Tipologia MIUR: Contributo in Atti di Convegno (Proceeding) > Contributo in atti di convegno
Titolo: Forecasting short-term solar radiation for photovoltaic energy predictions
Autori: Alessandro, Aliberti; Lorenzo, Bottaccioli; Giansalvo, Cirrincione; Enrico, Macii; Andrea, Acquaviva; Edoardo, Patti
Autori di ateneo:
Tipo di referee: Esperti anonimi
Editore: INSTICC
Titolo del convegno: 7th Conference on Smart Cities and Green ICT Systems (SMARTGREENS 2018)
Luogo dell'evento: Funchal, Madeira, Portugal
Data dell'evento: 16 - 18 March 2018
Abstract: In the world, energy demand continues to grow incessantly. At the same time, there is a growing need to reduce CO2 emissions, greenhouse effects and pollution in our cities. A viable solution consists in producing energy by exploiting renewable sources, such as solar energy. However, for the efficient use of this energy, accurate estimation methods are needed. Indeed, applications like Demand/Response require prediction tools to estimate the generation profiles of renewable energy sources. This paper presents an innovative methodology for short-term (e.g. 15 minutes) forecasting of Global Horizontal Solar Irradiance (GHI). The proposed methodology is based on a Non-linear Autoregressive neural network. This neural network has been trained and validated with a dataset consisting of solar radiation samples collected for four years by a real weather station. Then GHI forecast, the output of the neural network, is given as input to our Photovoltaic simulator to predict energy production in short-term time periods. Finally, experimental results for both GHI forecast and Photovoltaic energy prediction are presented and discussed.
Status: In stampa
Lingua della pubblicazione: Inglese
Parole chiave: artificial neural networks, photovoltaic system, energy forecast, renewable energy, solar radiation forecast
Dipartimenti (originale): NON SPECIFICATO
Dipartimenti: DIST - Dipartimento Interateneo di Scienze, Progetto e Politiche del Territorio
DAUIN - Dipartimento di Automatica e Informatica
URL correlate:
    Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
    Data di deposito: 02 Gen 2018 18:39
    Data ultima modifica (IRIS): 02 Gen 2018 18:51:31
    Data inserimento (PORTO): 04 Gen 2018 03:00
    Permalink: http://porto.polito.it/id/eprint/2695885
    Link resolver URL: Link resolver link

    Azioni (richiesto il login)

    Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)