Journal Article10.58837/chula.the.2021.947
การพยากรณ์โหลดไฟฟ้าของเกาะพะงันและการประยุกต์ใช้ระบบกักเก็บพลังงานแบตเตอรี่กับการตัดยอดโหลดไฟฟ้า
ภาคภูมิ น้อยวรรณะ
TL;DR: การพยากรณ์โหลดไฟฟ้าของเกาะพะงันและการประยุกต์ใช้ระบบกักเก็บพลังงานแบตเตอรี่กับการตัดยอดโหลดไฟฟ้า โดยใช้แบบจําลองวิธีปรับให้เรียบด้วยเอ็กซ์โปเนนเชียลของโฮลท์-วินเทอร์ร่วมกับแบบจําลองโครงข่ายประสาทเทียม (IHWANN) เพื่อพยากรณ์โหลดไฟฟ้ารายชั่วโมงล่วงหน้า 1 วัน และประยุกต์ใช้งานแบบจำลอง IHWANN ร่วมกับระบบกักเก็บพลังงานแบตเตอรี่เพื่อตัดยอดโหลดไฟฟ้า โดยออกแบบขนาดและเวลาเหมาะที่สุดสำหรับการติดตั้งระบบกักเก็บพลังงานแบตเตอรี่ 2 ขั้น
read more
Abstract: วิทยานิพนธ์นี้นําเสนอการประยุกต์ใช้ระบบกักเก็บพลังงานแบตเตอรี่กับการตัดยอดโหลดไฟฟ้าเพื่อให้โหลดไฟฟ้ารวมสูงสุดรายปีของเกาะพะงันมีค่าไม่เกินพิกัดการรับโหลดกำลังไฟฟ้าของสายเคเบิลใต้น้ำ การประยุกต์ใช้ระบบกักเก็บพลังงานแบตเตอรี่กับการตัดยอดโหลดไฟฟ้าต้องอาศัยการพยากรณ์โหลดไฟฟ้ารวมสูงสุดและเวลาที่เกิดโหลดไฟฟ้ารวมสูงสุด เราพัฒนาแบบจําลองวิธีปรับให้เรียบด้วยเอ็กซ์โปเนนเชียลของโฮลท์-วินเทอร์ร่วมกับแบบจําลองโครงข่ายประสาทเทียม (Integrated Holt-Winters Exponential Smoothing and Artificial Neural Networks; IHWANN) เพื่อพยากรณ์โหลดไฟฟ้ารายชั่วโมงล่วงหน้า 1 วัน ผลการทดลองเชิงตัวเลขแสดงให้เห็นว่าแบบจำลอง IHWANN มีความแม่นยํามากกว่าแบบจําลองวิธีปรับให้เรียบด้วยเอ็กซ์โปเนนเชียลของโฮลท์-วินเทอร์ (Holt-Winters Exponential Smoothing) และแบบจําลองโครงข่ายประสาทเทียม (Artificial Neural Networks) หลังจากนั้น เราประยุกต์ใช้งานแบบจำลอง IHWANN ร่วมกับระบบกักเก็บพลังงานแบตเตอรี่เพื่อตัดยอดโหลดไฟฟ้าโดยกำหนดให้โหลดไฟฟ้ารวมสูงสุดรายปีของเกาะพะงันมีค่าไม่เกินพิกัดการรับโหลดของสายเคเบิลใต้น้ำ อีกทั้ง เรานําเสนอการออกแบบขนาดของระบบกักเก็บพลังงานแบตเตอรี่ และเวลาเหมาะที่สุดสำหรับการติดตั้งระบบกักเก็บพลังงานแบตเตอรี่ 2 ขั้น โดยขั้นตอนวิธีอย่างง่ายของการหาค่าเหมาะที่สุดเชิงการจัด (Combinatorial Optimization) เมื่อเปรียบเทียบระหว่างการออกแบบระบบกักเก็บพลังงานแบตเตอรี่ 1 ขั้น กับการออกแบบระบบกักเก็บพลังงานแบตเตอรี่ 2 ขั้น พบว่าการออกแบบระบบกักเก็บพลังงานแบตเตอรี่ 1�ขั้น มีอัตราผลตอบแทนภายใน (Internal Rate of Return; IRR)�
-30.079%�และการออกแบบระบบกักเก็บพลังงานแบตเตอรี่แบบ 2�ขั้นมีอัตราผลตอบแทนภายใน -11.296% ดังนั้น การออกแบบระบบกักเก็บพลังงานแบตเตอรี่ 2 ขั้นมีความเหมาะสมในการลงทุนมากว่าการออกแบบระบบกักเก็บพลังงานแบตเตอรี่ 1 ขั้น
read more
Chat with Paper
AI Agents for this Paper
Find similar papers on Google Scholar, PubMed and Arxiv
Write a critical review of this paper
Analyze citations of this paper to find unaddressed research gaps
References
•Book
Forecasting: principles and practice
Robin John Hyndman,George Athanasopoulos +1 more
- 17 Oct 2013
4.8K
•Book
Neural Networks and Deep Learning: A Textbook
Charu C. Aggarwal
- 29 Aug 2018
TL;DR: The neural networks and deep learning a textbook is universally compatible in the manner of any devices to read in the digital library.
773
A Review of the Use of Artificial Neural Network Models for Energy and Reliability Prediction. A Study of the Solar PV, Hydraulic and Wind Energy Sources
Jesús Ferrero Bermejo,Juan Francisco Gómez Fernández,Fernando Agustín Olivencia Polo,Adolfo Crespo Márquez +3 more
TL;DR: In this paper, a review of the literature related to the use of ANN when predicting behaviors in energy production for the referred renewable energy sources is presented, and the authors highlight the importance of incorporating intelligence to anticipate reliability problems and to develop ad-hoc advanced maintenance policies.
182
Smart energy management algorithm for load smoothing and peak shaving based on load forecasting of an island’s power system
Spyridon Chapaloglou,Athanasios Nesiadis,Petros Iliadis,Konstantinos Atsonios,Nikos Nikolopoulos,Panagiotis Grammelis,Christos Yiakopoulos,Ioannis Antoniadis,Emmanuel Kakaras +8 more
TL;DR: Simulation results proved that by applying the proposed algorithm, a combined effect of smoother diesel generator operation and peak shaving with renewable energy is achievable even with the absence of PV overproduction, diminishing the variability of the load to be covered from the conventional units.
140
Multi-stage sizing approach for development of utility-scale BESS considering dynamic growth of distributed photovoltaic connection
TL;DR: In this article, a multi-stage sizing model for utility-scale battery energy storage system (BESS) is proposed to optimize the BESS development strategies for distribution networks with increasing penetration levels and growth patterns of dispersed photovoltaic (PV) panels.