Тези доповідей, матеріали конференцій
Постійне посилання на розділhttps://dspace.nuft.edu.ua/handle/123456789/7373
Переглянути
18 результатів
Результати пошуку
Документ Система керування електротехнічним комплексом з фотоелектростанцією та комбінованим накопичувачем енергії(2024) Балюта, Сергій Миколайович; Куєвда, Юлія Валеріївна; Романюк, Володимир Тарасович; Копилова, Людмила ОлександрівнаВ роботі описано запропоновану систему керування системи електропостачання з комбінованим накопичувачем енергії та фотоелектростанцією. Запропонована система керування забезпечує енергоефективні режими системи електрозабезпечення, підвищення ефективності використання накопичувача енергії та нормативні терміни експлуатації акумуляторних батарей.Документ Інтелектуальне керування електрозабезпеченням об’єкта з ФЕС та накопичувачем енергії(2023) Балюта, Сергій Миколайович; Копилова, Людмила Олександрівна; Куєвда, Юлія Валеріївна; Романюк, Володимир Тарасович; Кондрашевський, Максим СергійовичВ роботі описується розроблена система керування, що забезпечує багатокритеріальне оптимальне оперативне управління електрозабезпеченням об’єктів з фотоелектростанціями та накопичувачами енергії.Документ Інтелектуальна система регулювання напруги в електротехнічних комплексах з ФЕС та накопичувачами енергії(2023) Балюта, Сергій Миколайович; Копилова, Людмила Олександрівна; Куєвда, Юлія Валеріївна; Романюк, Володимир Тарасович; Кондрашевський, Максим СергійовичВ роботі описана запропонована інтелектуальна система регулювання напруги (яка заснована на нечіткій логіці) для сучасних систем електропостачання. Запропонована система регулювання забезпечує підтримання нормативних значень напруги при зміні потужності фотоелектростанції та реактивної потужності споживачів.Документ Предиктивне технічне обслуговування ФЕС шляхом виявлення аномалій на фотоелектростанціях за допомогою штучних нейронних мереж(2024) Балюта, Сергій Миколайович; Куєвда, Юлія Валеріївна; Романюк, Володимир Тарасович; Копилова, Людмила ОлександрівнаВ роботі описана запропонована система виявлення аномалій на фотоелектростанціях. Вона побудована на основі логічного алгоритму з використанням штучної нейронної мережі, яка використовується для оцінки потужності генерації фотоелектростанції. Запропонована система дозволяє ефективно виявляти та класифікувати декілька видів аномалій на основі даних про генерацію енергії фотоелектростанцією та погодних даних з метеостанції.Документ Порівняльний аналіз програмних засобів (ПЗ) для проєктування, моделювання та аналізу сонячних фотоелектричних систем (ФЕС)(2024) Зінькевич, Петро Олексійович; Куєвда, Юлія Валеріївна; Балюта, Сергій Миколайович; Кондрашевський, Максим Сергійович; Копилова, Людмила ОлександрівнаТехнічна, економічна та екологічна політика на глобальному рівні призвела до просування зелених енергетичних технологій у економіку країни, особливо використання ФЕС в сучасному секторі електроенергетики. Завдяки цьому ПЗ, які застосовуються для визначення розмірів, моделювання та аналізу сонячних фотоелектричних систем стали важливою частиною комерційного застосування ФЕС, їх використання для освітніх і наукових цілейДокумент Особливості застосування систем накопичення електричної енергії(2024) Зінькевич, Петро Олексійович; Куєвда, Юлія Валеріївна; Балюта, Сергій Миколайович; Жуков, Максим ЮрійовичЗміни характеру ринку електричної енергії і широке впровадження відновлювальних джерел енергії (фотоелектростанцій, вітроелектростанцій і т.і.) призводить, до стохастичної генерації електричної енергії, що потребує використання засобів стабілізації електроенергетичної системи до яких відносяться технології накопичення електричної енергії. В залежності від призначення технології накопичення енергії поділяються на короткочасні (кілька секунд або хвилин), середньострокові (хвилини або години) і довгострокові (від кількох годин до кількох днів)Документ Технічні характеристики, переваги та недоліки електрохімічних накопичувачів електричної енергії(2024) Зінькевич, Петро Олексійович; Куєвда, Юлія Валеріївна; Балюта, Сергій Миколайович; Сінюков, Дмитро ЮрійовичЗміна концепції ринку електричної енергії, впровадження відновлювальних джерел енергії (ВДЕ), розширення використання електромобілів обумовлюють широке застосування електрохімічних накопичувачів електроенергії (НЕ) на різних рівнях електроенергетичної системи. Ефективне використання НЕ може бути досягнуто шляхом правильного їх вибору з урахуванням їх особливостей і характеристик. Матеріали і методи. Виконаний аналіз існуючих типів накопичувачів електроенергії на основі їх технічних характеристикДокумент Автоматизована система регулювання напруги в електричній мережі з відновлювальними джерелами енергії(2022) Балюта, Сергій Миколайович; Куєвда, Юлія Валеріївна; Копилова, Людмила Олександрівна; Йовбак, Василь Дмитрович; Зінькевич, Петро Олексійович; Кондрашевський, МаксимЗростання фотоелектричних систем в розподільчих мережах низької напруги, а також наявність нових видів низьковольтних навантажень мережі, таких як пункти зарядки електромобілів або електричні теплові насоси, призводить до виникнення відхилень напруги, що перевищують допустимі значення представлені у ДСТУ: IEC 61000-4-30-2010. Для підтримання необхідного рівня напруги проводять регулювання напруги на стороні низької напруги (НН) трансформатора локальної мережі, змінюючи коефіцієнт трансформації за допомогою електронного перемикача виводів ПБЗ. У сучасній практиці переважно реалізується «моносенсорний режим роботи», при якому фактичне значення напруги вимірюється на стороні низької напруги (НН) трансформатора і використовується для регулювання напруги. Для забезпечення якісного регулювання запропонований метод регулювання, що передбачає визначення напруги в різних точках електричної мережі на основі вимірюваних значень сонячного випромінювання, потоку потужності через трансформатор, напруги на стороні НН трансформатора. Вказані дані використовуються для розрахунку значення напруги на стороні НН трансформатора (коефіцієнти трансформації), які забезпечують підтримання нормативних значень напруги у вузлових точках мережі, з використанням алгоритму нечіткого регулювання на основі алгоритму Мамдані. При формуванні алгоритму було враховано залежність часу перемикання ПБЗ в залежності від рівня напруги у найбільш віддаленому і наближеному вузлі електричної мережі, а також напрям зміни навантаження. Використання запропонованого методу керування забезпечує розширення коефіцієнта регулювання від значення 2,8 при роботі з датчиком напруги на стороні НН трансформатора до значення 4,3 при використанні запропонованого методу керування.Документ Автоматизована система керування системою електрозабезпечення з відновлювальними джерелами енергії та накопичувачами енергії(2022) Балюта, Сергій Миколайович; Куєвда, Юлія Валеріївна; Копилова, Людмила Олександрівна; Йовбак, Василь Дмитрович; Зінькевич, Петро ОлексійовичЕфективна робота систем електрозабезпечення промислових та цивільних об’єктів з використання відновлювальних джерел енергії (ВДЕ) і накопичувачів енергії (НЕ) забезпечується за рахунок побудови автоматизованої системи керування з використанням оптимальних методів керування. Розроблений метод багатокритеріального оптимального оперативного управління системою електрозабезпечення з ВДЕ і НЕ, підключеним до електричної мережі. Метою оптимізації є максимальне споживання електричної енергії, що тримана від фотоелектростанції (ФЕС), мінімізація піків електричної потужності та оптимізація терміну служби літій-іонної батареї. Процес оперативного управління розбитий на етапи, які передбачають миттєву, короткострокову та довгострокову оптимізації. При миттєвій оптимізації вирішуються задачі оптимізації продуктивність мережі, формування значень завантаження літій-іонної батареї та забезпечення ефективної роботи всієї системи. Короткострокова оптимізація проводиться на основі динамічного програмування і вирішує завдання максимального використання ЕЕ, отриманої від ФЕС, мінімізації споживання ЕЕ з мережі та купівлі ЕЕ, а також мінімізації витрат на ЕЕ. Довгострокова оптимізація направлена на забезпечення нормативного терміну старіння літій-іонної батареї та оптимізацію терміну її служби. Зменшення впливу невизначеності моделі та прогнозу забезпечуєть за рахунок вибору моделі прогнозування. Для оцінки ефективності запропонованих методів оптимального керування використовуються еталонні методи, вибрані на основі визначених критеріїв оцінки.Документ Інтелектуальна система керування з використанням нейро-нечіткої мережі ANFIS для реалізації функції прогнозування електричного навантаження(2020) Балюта, Сергій Миколайович; Зінькевич, Петро Олексійович; Куєвда, Юлія ВалеріївнаДля проведення досліджень було вибрано адаптивну нечітку систему з механізмом логічного висновку за допомогою алгоритму Сугено, що базується за правилами ЯКЩО-ТО, яка має назву мережі ANFIS (Adaptive Network Based Fuzzy Inference System), що входить до середовища моделювання Matlab. ANFIS - це поєднання штучної нейронної мережі (ANN) та системи нечіткого виведення (FIS). Вибір вказаної системи обумовлений тим, що поєднання теорії ANN та теорії нечітких множин дозволяє забезпечити переваги та подолати недоліки обох методів. Модель ANFIS можна навчити, не покладаючись виключно на експертні знання, які достатні для нечіткої логічної моделі. Перевага моделі ANFIS полягає в тому, що вона містить як числові, так і лінгвістичні знання. В ANFIS також використовується здатність ANN класифікувати дані та визначати закономірності. Порівняно з ANN, модель ANFIS є більш прозорою для користувача та спричиняє менше помилок запам'ятовування. Отже, існує декілька переваг ANFIS, включаючи її здатність до адаптації, нелінійну здатність та швидку здатність до навчання. Цей підхід, по суті, є нечіткою логічною моделлю, заснованою на правилах, правила якої розробляються в процесі навчання моделі. Навчальний процес базується на даних. ANFIS створює нечітку систему виведення, параметри функції належності якої походять із навчальних прикладів. В даному дослідженні був проведений аналіз системи ANFIS, що входить до середовища моделювання Matlab. Результати навчальної вибірки показали, що найкращим результатом функції належності є функція gbellmf, а найгіршими стали функції trapmf та pimf. Тому в майбутніх дослідженнях ми будемо застосовувати функцію gbellmf. Наступним етапом дослідження буде розроблення системи прогнозування в мережі ANFIS та порівняння їх зі статистичними методами.