Исследуются характеристики ветроэлектростанций как источников возобновляемой энергии. Рассмотрены основные типы ветроэлектростанций, отличающиеся конструктивными параметрами и режимами работы. Рассмотрено возникновение критических режимов на ветроэлектростанциях. Рассмотрены конструктивные особенности ветроэлектростанций. Выявлены недостатки ветроэнергетики. На основе данных о ветроэнергетике исследована проблема изменчивости выработки энергии ветра. Получены графики данных о выработке электроэнергии и метеорологических условий, а также выявлена взаимосвязь между ними.
Идентификаторы и классификаторы
не распознает текст
Список литературы
-
Denisova L. A. A mathematical model of a digital control system with variable parameters // Automation and Remote Control. 2012. Vol. 73, no. 11. P. 1895-1901. EDN: RGNDRD
-
Manwell J. F., McGowan J. G., Rogers A. L. Wind energy explained: theroy, design and application. 2nd edition. New York: Wiley, 2009. 704 p.
-
Buchholz B. M., Stychinski Z. A. Smart Grids - fundamentals and technologies of energy systems of the future. Heidelberg: Springer, 2020. 428 p.
-
Shanker T., Singh R. K. Wind energy conversion system a review // Students Conference on Engineering and Systems (SCES), 16-18 March, 2012. Allahabad, 2012. P. 1-6. DOI: 10.1109/SCES.2012.6199044
-
Khamitov R. N., Gritsai A. S., Tyunkov D. A. [et al.]. On the method for constructing a training sample in the problems of short-term prediction of electric consumption taking into account the criteria of information and compactness // Industrial Energy. 2017. Vol. 8. P. 23-28. EDN: ZGWUGF
-
Tyunkov D. A., Gritsay A. S., Rodionov V. S. [et al.]. A neural network model for short-term PV - energy forecasting // Journal of Physics: Conference Series. 2020. Vol. 1546. P. 012105-1-012105- 10. EDN: YEOHRN
-
TenneT. URL: https://www.tennet.eu/?L=0#&panel1-1 (дата обращения: 05.12.2021).
-
Wind Power Generation Data. URL: https://www.kaggle.com/jorgesandoval/wind-power-generation?select=TenneTTSO.csv (дата обращения: 04.12.2021).
-
Meteostat. URL: https://meteostat.net/ru/station/10677 (дата обращения: 04.12.2021).
Выпуск
Другие статьи выпуска
В работе проведен сравнительный анализ различных подходов к решению задачи идентификации текстиля, по фотоизображению материала, с помощью методов машинного обучения, Рассмотрена математическая модель, лежащая в основе программной реализации. Модель протестирована на дополнительном наборе данных с применением методов объяснимости работы нейронных сетей.
Актуальность работы обусловлена широким применением методов решения задачи коммивояжера в различных прикладных областях. В статье рассматриваются вопросы, связанные с необходимостью оптимального перестроения составленных маршрутов при добавлением новых пунктов назначения. Рассматривается модифицированный генетический алгоритм решения задачи коммивояжера и проводится анализ эффективности применения данного алгоритма, при построение оптимальных маршрутов.
В работе приведен краткий теоретический обзор существующих методов решения задач классификации. Проведен анализ данных методов и выбран метод для решения конкретной задачи по подбору тарифа проживания на базе отдыха. Выполнена программная реализация оригинального алгоритма на основе метода k-NN. Добавлены коэффициенты значимости признаков
Для прогнозирования выхода светлых фракций установкой ЭЛОУ-АВТ-6 проведен сравнительный анализ модели рекуррентной нейронной сети и модели авторегрессии ARIMA. Приведено математическое описание этих моделей. Приведена реализация моделей с использованием библиотек Keras и Pmdarima на языке Python. Проведена серия экспериментов, в качестве данных использовались значения температуры куба колонны К-2, расход сырой нефти и расход фракции бензина. Сделан вывод, о превосходстве качества прогноза нейронных сетей над ARIMA
В работе приведен краткий теоретический обзор существующих подходов к решению задачи классификации намерений пользователей на основе текстовых сообщений. Предложен классификатор на основе текстового трансформера. Рассмотрены процессы обучения и использования модели. В рамках эксперимента обучено несколько демонстрационных вариантов классификатора для корпоративной диалоговой системы. Приведены показатели качества моделей в виде совокупности значений основных метрик и визуализаций, применяемых при оценке классификаторов
Исследуется подбор параметров для решения непрерывных оптимизационных задач методом внутренних штрафных функций с использованием программного приложения. Были рассмотрены методы внутренних штрафных функций и методы безусловной оптимизации, рассмотрены алгоритмы реализации методов, реализован пользовательский интерфейс программного приложения, предоставляющий возможность вводить целевую функцию, ограничения, начальные параметры и показывающий результаты в виде графиков, точки минимума, затраченного времени, количества итераций. Проведено исследование по выбору начальных параметров для рассмотренных методов.
Статистика статьи
Статистика просмотров за 2025 - 2026 год.
Издательство
- Издательство
- ОмГТУ
- Регион
- Россия, Омск
- Почтовый адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- Юр. адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- ФИО
- Корчагин Павел Александрович (Ректор )
- E-mail адрес
- info@omgtu.ru
- Контактный телефон
- +7 (381) 2653407
- Сайт
- https://omgtu.ru/