Predictions on solar power plant generation with machine learning techniques (PRESAV)

Energiproduksjon har en betydelig innvirkning på menneskers liv, og forskere har forsøkt å predikere været for å forbedre kraftstabiliteten, redusere energitap og øke økonomisk gevinster. Med tanke på dagens klimautfor- dringer og bekymringer, undersøker forskere fra SINTEF og NTNU potensialet på å koble flere rene energikilder sammen i et nullutslippsbygg laboratorium lokalisert i Trondheim. Denne bacheloroppgaven undersøker et sett med maskinlæringalgoritmer for prediksjon av mengden fotovoltaisk energi som genereres av ZEB-laboratoriet, og hensikten er å sammenkoble den prediktive dataen i en styringsstrategi som vil operere sammen med andre produksjonssystemer i bygningen. Prosjektteamet vil fokusere på å bruke maskinlæringsmetoder på tidligere data på solcelleproduksjon fra anlegget og værdata samlet inn fra SINTEFs testcelle for å assistere ZEB-bygningen med å bestemme den beste strategien for redusert strømforbruk og klimagassutslipp samtidig øke bruken av lokalt produsert energi. Konseptene som presenteres i denne rapporten er basert på tidligere forskningslitteratur, vitenskapelige artikler og arbeid gjort av andre vitenskapsmenn