แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Prasit Nangtin. Forecasting the power output of solar photovoltaic system using artificial neural networks: a case study of PLC Center for Energy and Environment Conservation, Pathumwan Institute of Technology. (). King Mongkut's University of Technology North Bangkok. Central Library. : , 2020.
Forecasting the power output of solar photovoltaic system using artificial neural networks: a case study of PLC Center for Energy and Environment Conservation, Pathumwan Institute of Technology
Name: Sarawuth Anant
Organization :
Pathumwan Institute of Technology. Faculty of Engineering
Email :
wuthlex@gmail.com
Name: Weeragul Pratumgul
Organization :
Pathumwan Institute of Technology. Faculty of Engineering
Name: Prasit Nangtin
Organization :
Pathumwan Institute of Technology. Faculty of Engineering
ThaSH:
Forecasting
ThaSH:
Photovoltaic power systems
ThaSH:
Solar cells
Abstract:
Forecasting the power output of solar photovoltaic
system at different times is necessary to ensure reliable
and economical electrical system operation. In this
paper, we study and applied Artificial Neural Network to
forecast the power produced by solar photovoltaic
system of PLC Center for energy and environment
conservation at Pathumwan Institute of Technology. By
using statistical data of relevant parameters such as
meteorological parameters (maximum temperature,
lowest temperature, solar radiation, rainfall, wind speed
and relative humidity) and some plant specifications
parameters (amount of panels, size of each panels and
efficiency of panels). Then, divided all data into datasets
for training and testing then be fed into the backpropagation
ANN which consists of 2 hidden layers,
each layer consisting of 10 neurons with decrease the
number of parameters to avoid the over-fit problem.
Finally, we evaluate the performance of forecasting
results in terms of Mean Square Error (MSE) and Mean
Average Percentage Error (MAPE) compare with the
actual values from the system and found that proposed
model gave a good forecasting accuracy.
King Mongkut's University of Technology North Bangkok. Central Library
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2020
Modified:
2025-10-21
Issued:
2025-10-21
บทความ/Article
application/pdf
BibliograpyCitation :
ใน มหาวิทยาลัยนเรศวร และสมาคมวิชาการทางวิศวกรรมไฟฟ้า (ประเทศไทย). การประชุมวิชาการทางวิศวกรรมไฟฟ้า ครั้งที่ 43 (EECON-43) (pp.549-552). พิษณุโลก : มหาวิทยาลัยนเรศวร
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.030869 วินาที
Sarawuth Anant
| Title | Contributor | Type |
|---|---|---|
| Forecasting the power output of solar photovoltaic system using artificial neural networks: a case study of PLC Center for Energy and Environment Conservation, Pathumwan Institute of Technology
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sarawuth Anant;Weeragul Pratumgul;Prasit Nangtin | บทความ/Article |
Weeragul Pratumgul
| Title | Contributor | Type |
|---|---|---|
| Improving the efficiency of short-term load forecasting using fuzzy optimization combined with load feature recognition
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Kittipong Sriamad;Weeragul Pratumgul;Sucheera Phramala | บทความ/Article | |
| Forecasting the power output of solar photovoltaic system using artificial neural networks: a case study of PLC Center for Energy and Environment Conservation, Pathumwan Institute of Technology
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sarawuth Anant;Weeragul Pratumgul;Prasit Nangtin | บทความ/Article |
Prasit Nangtin