Využití dopředné neuronové sítě k predikci výkonu větrné elektrárny a k odhadu spotřeby tepla objektu

Abstract

Tato diplomová práce se zabývá využitím dopředných neuronových sítí k predikci chaotických časových řad. K tomuto účelu byla použita data rychlosti větru a tepla odebíraného ze systému dálkového vytápění. Cílem práce bylo analyzovat časovou řadu rychlosti větru z hlediska potenciálu pro výrobu elektrické energie, provést predikci budoucího vývoje rychlosti větru a pokusit se predikovat spotřebu tepla objektu. Z časových řad byly v prostředí programu MATLAB rekonstruovány fázové prostory, jež byly následně pomocí dopředné neuronové sítě implementované v témž programu, použity pro predikci. Predikce obou časových řad byla úspěšně. Podařilo se predikovat několik budoucích hodnot, anebo alespoň sledovat trend jejich vývoje.

This master´s thesis deals with utilization feedforward neural network for chaotic time series prediction. Wind speed data and data of heat consumed from heating network were used for this purpose. Goals of this thesis were to analyse chaotic wind speed time series in terms of potencial for electricity generation using wind turbine, to predict future development of wind speed and to attempt to predict heat consumption of building. I reconstructed phase spaces from these time series in environment of the program MATLAB. Then they were used for prediction using feedforward neural network implemented in the program. Prediction of both time series was successfully carried out. It was accomplished to correctly predict several values or at least follow development of chart trend.