Resumen

El análisis teórico muestra que la potencia de salida del sistema de generación distribuida es no lineal y caótica. Y está acoplada a los datos meteorológicos del microentorno. El caos es una propiedad inherente a los sistemas dinámicos no lineales. Un predictor de la potencia de salida del sistema de generación distribuida consiste en establecer un modelo no lineal del sistema dinámico basado en series de tiempo real en el espacio de fase reconstruido. En primer lugar, hay que detectar y cuantificar el caos para los estudios intensivos de sistemas no lineales. Si el mayor exponente de Lyapunov es positivo, el sistema dinámico debe ser caótico. A continuación, se eligen la dimensión de incrustación y el tiempo de retardo basándose en el método C-C mejorado. El atractor de las series temporales caóticas de potencia puede reconstruirse a partir de la dimensión de incrustación y el tiempo de retardo en el espacio de fases. La red neuronal puede entrenarse a partir de las muestras de entrenamiento observadas en el sistema de generación distribuida. El modelo de red neuronal se aproximará adecuadamente a la curva de potencia de salida. Los resultados experimentales muestran que el punto de máxima potencia del sistema de generación distribuida se predecirá basándose en los datos meteorológicos. El sistema puede controlarse eficazmente basándose en la predicción.

• Materias:Control del proceso Sistemas no lineales Regulación automática Instrumentación automática Optimización de procesos
• Subjects: Nonlinear systems Automatic regulation Automatic instrumentation Process optimization
• Palabras claves:sistema de generación, potencia de salida, datos meteorológicos, espacio de fases, series temporales caóticas de potencia, mayor exponente de lyapunov, punto de máxima potencia, modelo de red neuronal, sistema dinámico no lineal, series en tiempo real
• Keywords:generation system, output power, meteorological data, phase space, chaotic power time series, largest lyapunov exponent, maximum power point, neural network model, nonlinear dynamic system, real time series