Application of Artificial Intelligence Methods in Renewable Energy Systemts and Energy Efficiency

Abstract

Развој система који користе обновљиве изворе енергије захтева примену софистицираних техника у циљу тачне процене расположивог енергетског потенцијала и њиховог eфикасног управљања и оптимизације. Основна карактеристика метода вештачке интелигенције је да оне користе рачунарске системе за извршавање задатака који захтевају интелигентно понашање, као што су учење, расуђивање, решавање проблема и доношење одлука у присуству неизвесности. То посебно може бити корисно у моделовању, анализи, оптимизацији и предикцији перформанси и управљању система са обновљивим енергијама и ефикаснијој употреби енергије у термоенергетским, термотехничким и процесним постројењима. Ови системи су изразито нелинеарни, сложени и динамички, где основни физички односи нису у потпуности разјашњени и где су доступни подаци често зашумљени и/или некомплетни. Вишепараметарски и вишекритеријумски аспект у пројектовању ових система није лако третирати применом аналитичких метода, физичких модела или нумеричких метода. Методе вештачке интелигенције могу да обезбеде обећавајућу и поуздану алтернативу, или допуну традиционалним детерминистичким и статистичким прилазима који се користе у енергетској ефикасности и обновљивим изворима енергије. Ове методе омогућавају изучавање система без икаквог познавања тачних релација које описују њихов рад, и једном када се обуче, дозвољавају извршавање сложених задатака као што су моделовање, предикција, идентификација, оптимизација и управљање. Вештачке неуронске мреже и метода потпорних вектора, као неке од најчешће коришћених методологија, и њихова примена у енергетској ефикасности и системима који користе обновљиве енергије, тема су овог рада.

The development of renewable energy systems requires the use of sophisticated techniques for an accurate estimation of the available energy potential and for effective control and optimization of systems operation. The common feature of artificial intelligence methods is that they employ computer systems to perform tasks which require intelligent behavior, such as learning, reasoning, problem solving and decision making under uncertainty. This can be particularly beneficial in modeling, analysis, optimization and prediction of the performance and control of renewable energy systems and more efficient energy use. These systems are highly nonlinear, complex and dynamic, where the underlying physical relationships are not fully understood and the available data are often noisy and/or incomplete. Multi-parameter and multi-criteria aspects of the design of these systems are not easily handled using analytical methods, physical models or numerical methods. Artificial intelligence techniques may provide a promising and reliable alternative, or a complement, to the traditional process-based or statistical approaches used in the energy efficiency and renewable energy systems. They enable to study these systems without any knowledge of the exact relations governing their operation, and once trained, allow performing as complex tasks as prediction, modeling, identification, optimization, forecasting and control. Artificial neural networks and support vector machine, as commonly used artificial intelligence methodologies, and their application in the energy efficiency and renewable energy systems are presented.