MENU
Nasze ceny
Przeczytaj fragment on-line
Podstawy prognozowania generacji z OZE. #OZE #python #AI #ML - ebook
Podstawy prognozowania generacji z OZE. #OZE #python #AI #ML - ebook
Czy chciałbyś poznać sztuczną inteligencję i metodę uczenia maszynowego od kuchni?
Lubisz zdobywać nowe umiejętności praktyczne związane z technologią?
Niniejsza książka kierowana jest do szerokiego grona odbiorców – nie tylko specjalistów z sektora energetycznego, lecz także studentów, uczniów liceów i techników, pasjonatów informatyki oraz ludzi ciekawych nowych technologii. Nie znasz Pythona? Nie przejmuj się – zaczniemy od podstaw! Matematyka, choć niezbędna w AI/ML, została zredukowana do minimum. Dzięki konkretnym przykładom poznasz ideę uczenia maszynowego i prognozowania generacji z OZE, będących coraz ważniejszymi aspektami nowoczesnej gospodarki. Wystarczy jedynie odrobina chęci, trochę czasu i kawałek komputera. Zdobyte umiejętności możesz później rozwijać i wykorzystać w prognozowaniu zarówno generacji z OZE, jak i innych procesów technologicznych, fizycznych lub ekonomicznych.
Ta publikacja spełnia wymagania dostępności zgodnie z dyrektywą EAA.
| Kategoria: | Programowanie |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-8308-936-2 |
| Rozmiar pliku: | 2,9 MB |
FRAGMENT KSIĄŻKI
1. ODNAWIALNE ŹRÓDŁA ENERGII
Odnawialne źródła energii (OZE) stanowią fundament nowoczesnych strategii produkcji energii elektrycznej, pozwalając na zaspokojenie rosnącego zapotrzebowania na energię przy jednoczesnym ograniczeniu wpływu na środowisko. Wśród najpopularniejszych technologii OZE wyróżniają się farmy wiatrowe oraz fotowoltaiczne. Obie te technologie zyskują na znaczeniu, jednak każda z nich wiąże się z unikalnymi wyzwaniami, a ich efektywność i opłacalność zależą od odpowiedniego zarządzania ich produkcją. Farmy wiatrowe to instalacje składające się z wielu turbin wiatrowych, które przekształcają energię kinetyczną wiatru w energię elektryczną. Technologia ta jest jednym z najbardziej rozwiniętych źródeł odnawialnych na świecie. Farmy fotowoltaiczne to instalacje, w których panele słoneczne zamieniają energię promieniowania słonecznego na energię elektryczną. Fotowoltaika jest jednym z najszybciej rozwijających się źródeł energii odnawialnej na świecie, a technologie związane z tym obszarem dostępne są również dla szerokiej rzeszy użytkowników końcowych systemu elektroenergetycznego (którzy stają się prosumentami, tj. odbiorcami końcowymi wytwarzającymi energię elektryczną z odnawialnych źródeł energii, z założenia przeznaczoną do zaspokojenia ich własnych potrzeb).
Zarówno farmy wiatrowe, jak i fotowoltaiczne – mimo swoich zalet – wiążą się z jednym kluczowym wyzwaniem: nieregularnością produkcji energii. Zmienność warunków pogodowych sprawia, że w przypadku wiatru, a także promieniowania słonecznego produkcja energii nie jest stała. W związku z tym prognozowanie generacji energii z OZE staje się niezbędne, aby zminimalizować ryzyko zakłóceń w dostawach energii oraz zoptymalizować zarządzanie systemami energetycznymi. Prognozowanie jest ważne, ponieważ:
– powoduje optymalizację integracji OZE z siecią energetyczną: nieregularna produkcja energii z odnawialnych źródeł energii wymaga efektywnego zarządzania siecią. Prognozy pozwalają operatorom systemów elektroenergetycznych lepiej dopasować zapotrzebowanie i podaż energii, co zapobiega przeciążeniom sieci i wahań w dostawach energii;
– zapewnia bezpieczeństwo i stabilność systemu energetycznego: stabilność energetyczna kraju lub regionu zależy od zdolności przewidywania produkcji energii z różnych źródeł. Zielone źródła energii, mimo że stanowią istotny element zrównoważonego miksu energetycznego, mogą wprowadzać do systemu wahania, które muszą być kompensowane przez inne, konwencjonalne źródła energii.
Prognozy generacji energii z farm wiatrowych i fotowoltaicznych opierają się na modelach matematycznych, które uwzględniają dane meteorologiczne, takie jak: prędkość wiatru, kierunek wiatru, nasłonecznienie, a także dane historyczne dotyczące generacji energii. Coraz częściej korzysta się z algorytmów uczenia maszynowego, jednej z metod sztucznej inteligencji do opracowywania bardziej wyrafinowanych prognoz, które pozwalają na lepsze zarządzanie produkcją energii. W książce postaram się przedstawić podstawy prognozowania produkcji energii dla tych dwóch typów źródeł, prezentując trzy metody prognozowania oparte na funkcjach matematycznych, modelu statystycznym i wybranych algorytmach uczenia maszynowego (ang. _machine learning_, ML). Wszystko będziemy wykonywać w języku programowania PYTHON, więc początkujących programistów (lub bez żadnego doświadczenia) zachęcam gorąco do spróbowania swoich sił – książkę zaplanowałem tak, aby tłumaczyć kod linijka po linijce, dlatego zaawansowani informatycy mogą ją uznać momentami za nudną, niemniej być może znajdą w kodzie jakieś „smaczki” lub ciekawostki.
Dane wejściowe oraz gotowe i pełne kody programów w Pythonie dostępne są do pobrania pod adresami www:
https://drbatonsite.great-site.net/OZEforecast.html – archiwum zip,
https://github.com/drbaton/OZE_prognozy – folder z plikami.
W podstawowym zakresie niezbędnym do rozpoczęcia przygody z prognozowaniem odniesiemy się do matematyki, statystyki. Nie będzie tutaj skomplikowanych rachunków macierzowych, tensorów, całek – tylko w pewnym niewielkim stopniu poruszymy niektóre zagadnienia z zakresu matematyki. Dla zainteresowanych tą tematyką na końcu książki zamieszczam bibliografię, tj. kilka publikacji naukowych dotyczących tematu prognozowania oraz świetną w mojej opinii książkę dotyczącą analizy danych w Pythonie.
Odnawialne źródła energii (OZE) stanowią fundament nowoczesnych strategii produkcji energii elektrycznej, pozwalając na zaspokojenie rosnącego zapotrzebowania na energię przy jednoczesnym ograniczeniu wpływu na środowisko. Wśród najpopularniejszych technologii OZE wyróżniają się farmy wiatrowe oraz fotowoltaiczne. Obie te technologie zyskują na znaczeniu, jednak każda z nich wiąże się z unikalnymi wyzwaniami, a ich efektywność i opłacalność zależą od odpowiedniego zarządzania ich produkcją. Farmy wiatrowe to instalacje składające się z wielu turbin wiatrowych, które przekształcają energię kinetyczną wiatru w energię elektryczną. Technologia ta jest jednym z najbardziej rozwiniętych źródeł odnawialnych na świecie. Farmy fotowoltaiczne to instalacje, w których panele słoneczne zamieniają energię promieniowania słonecznego na energię elektryczną. Fotowoltaika jest jednym z najszybciej rozwijających się źródeł energii odnawialnej na świecie, a technologie związane z tym obszarem dostępne są również dla szerokiej rzeszy użytkowników końcowych systemu elektroenergetycznego (którzy stają się prosumentami, tj. odbiorcami końcowymi wytwarzającymi energię elektryczną z odnawialnych źródeł energii, z założenia przeznaczoną do zaspokojenia ich własnych potrzeb).
Zarówno farmy wiatrowe, jak i fotowoltaiczne – mimo swoich zalet – wiążą się z jednym kluczowym wyzwaniem: nieregularnością produkcji energii. Zmienność warunków pogodowych sprawia, że w przypadku wiatru, a także promieniowania słonecznego produkcja energii nie jest stała. W związku z tym prognozowanie generacji energii z OZE staje się niezbędne, aby zminimalizować ryzyko zakłóceń w dostawach energii oraz zoptymalizować zarządzanie systemami energetycznymi. Prognozowanie jest ważne, ponieważ:
– powoduje optymalizację integracji OZE z siecią energetyczną: nieregularna produkcja energii z odnawialnych źródeł energii wymaga efektywnego zarządzania siecią. Prognozy pozwalają operatorom systemów elektroenergetycznych lepiej dopasować zapotrzebowanie i podaż energii, co zapobiega przeciążeniom sieci i wahań w dostawach energii;
– zapewnia bezpieczeństwo i stabilność systemu energetycznego: stabilność energetyczna kraju lub regionu zależy od zdolności przewidywania produkcji energii z różnych źródeł. Zielone źródła energii, mimo że stanowią istotny element zrównoważonego miksu energetycznego, mogą wprowadzać do systemu wahania, które muszą być kompensowane przez inne, konwencjonalne źródła energii.
Prognozy generacji energii z farm wiatrowych i fotowoltaicznych opierają się na modelach matematycznych, które uwzględniają dane meteorologiczne, takie jak: prędkość wiatru, kierunek wiatru, nasłonecznienie, a także dane historyczne dotyczące generacji energii. Coraz częściej korzysta się z algorytmów uczenia maszynowego, jednej z metod sztucznej inteligencji do opracowywania bardziej wyrafinowanych prognoz, które pozwalają na lepsze zarządzanie produkcją energii. W książce postaram się przedstawić podstawy prognozowania produkcji energii dla tych dwóch typów źródeł, prezentując trzy metody prognozowania oparte na funkcjach matematycznych, modelu statystycznym i wybranych algorytmach uczenia maszynowego (ang. _machine learning_, ML). Wszystko będziemy wykonywać w języku programowania PYTHON, więc początkujących programistów (lub bez żadnego doświadczenia) zachęcam gorąco do spróbowania swoich sił – książkę zaplanowałem tak, aby tłumaczyć kod linijka po linijce, dlatego zaawansowani informatycy mogą ją uznać momentami za nudną, niemniej być może znajdą w kodzie jakieś „smaczki” lub ciekawostki.
Dane wejściowe oraz gotowe i pełne kody programów w Pythonie dostępne są do pobrania pod adresami www:
https://drbatonsite.great-site.net/OZEforecast.html – archiwum zip,
https://github.com/drbaton/OZE_prognozy – folder z plikami.
W podstawowym zakresie niezbędnym do rozpoczęcia przygody z prognozowaniem odniesiemy się do matematyki, statystyki. Nie będzie tutaj skomplikowanych rachunków macierzowych, tensorów, całek – tylko w pewnym niewielkim stopniu poruszymy niektóre zagadnienia z zakresu matematyki. Dla zainteresowanych tą tematyką na końcu książki zamieszczam bibliografię, tj. kilka publikacji naukowych dotyczących tematu prognozowania oraz świetną w mojej opinii książkę dotyczącą analizy danych w Pythonie.
więcej..
