I
nte
rna
t
io
na
l J
o
urna
l o
f
E
lect
rica
l a
nd
Co
m
p
ute
r
E
ng
in
ee
ring
(
I
J
E
CE
)
Vo
l.
8
,
No
.
3
,
J
u
n
e
201
8
,
p
p
.
1324
~
1
3
3
0
I
SS
N:
2088
-
8708
,
DOI
: 1
0
.
1
1
5
9
1
/
i
j
ec
e
.
v
8
i
3
.
p
p
1
3
2
4
-
1330
1324
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ia
e
s
co
r
e
.
co
m/
jo
u
r
n
a
ls
/in
d
ex
.
p
h
p
/
I
JE
C
E
Da
ta
Ana
ly
sis
f
o
r
Sola
r Energ
y
G
e
nera
tion
i
n
a
Uni
v
ersity
M
icro
g
rid
J
un
g
ho
o
n L
ee
1
,
Seo
ng
B
a
eg
K
i
m
2
,
G
y
un
g
-
L
ee
n P
a
rk
3
1,
3
De
p
t.
o
f
Co
m
p
u
ter S
c
ien
c
e
a
n
d
S
tatisti
c
s,
Je
ju
Na
ti
o
n
a
l
U
n
iv
e
rsity
,
Re
p
.
o
f
Ko
re
a
2
De
p
t.
o
f
Co
m
p
u
ter E
d
u
c
a
ti
o
n
,
Je
ju
Na
ti
o
n
a
l
Un
iv
e
rsity
,
Re
p
.
o
f
Ko
re
a
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
Dec
2
1
,
2
0
1
7
R
ev
i
s
ed
Feb
8
,
2
0
1
8
A
cc
ep
ted
Ma
r
1
,
2
0
1
8
T
h
is
p
a
p
e
r
p
re
se
n
ts
a
d
a
ta a
c
q
u
isit
io
n
p
ro
c
e
ss
f
o
r
so
lar en
e
rg
y
g
e
n
e
ra
ti
o
n
a
n
d
th
e
n
a
n
a
ly
z
e
s
th
e
d
y
n
a
m
ics
o
f
it
s
d
a
ta
stre
a
m
,
m
a
in
ly
e
m
p
lo
y
in
g
o
p
e
n
so
f
t
w
a
re
so
lu
ti
o
n
s
su
c
h
a
s
P
y
th
o
n
,
M
y
S
Q
L
,
a
n
d
R.
F
o
r
t
h
e
se
q
u
e
n
c
e
o
f
h
o
u
rly
p
o
w
e
r
g
e
n
e
ra
ti
o
n
s
d
u
rin
g
th
e
p
e
rio
d
f
ro
m
Ja
n
u
a
r
y
2
0
1
6
to
M
a
rc
h
2
0
1
7
,
a
v
a
riet
y
o
f
q
u
e
ries
a
re
is
s
u
e
d
to
o
b
tain
th
e
n
u
m
b
e
r
o
f
v
a
li
d
re
p
o
rts
a
s
w
e
ll
a
s th
e
a
v
e
r
a
g
e
,
m
a
x
i
m
u
m
,
a
n
d
to
tal
a
m
o
u
n
t
o
f
e
lec
tri
c
it
y
g
e
n
e
ra
ti
o
n
in
7
so
lar
p
a
n
e
ls.
T
h
e
q
u
e
ry
r
e
su
lt
o
n
a
ll
-
ti
m
e
,
m
o
n
th
ly
,
a
n
d
d
a
il
y
b
a
sis
h
a
s
f
o
u
n
d
th
a
t
th
e
p
a
n
e
l
-
by
-
p
a
n
e
l
d
if
f
e
re
n
c
e
is
n
o
t
s
o
sig
n
if
ica
n
t
in
a
u
n
iv
e
rsity
-
sc
a
le
m
icro
g
rid
,
th
e
m
a
x
i
m
u
m
g
a
p
b
e
in
g
7
.
1
%
e
v
e
n
in
th
e
e
x
c
e
p
ti
o
n
a
l
c
a
se
.
In
a
d
d
it
i
o
n
,
f
o
r
th
e
ti
m
e
se
rie
s
o
f
d
a
il
y
e
n
e
rg
y
g
e
n
e
ra
ti
o
n
s,
we
d
e
v
e
lo
p
a
n
e
u
ra
l
n
e
tw
o
rk
-
b
a
se
d
trac
e
a
n
d
p
re
d
ictio
n
m
o
d
e
l.
Du
e
t
o
th
e
t
im
e
lag
g
in
g
e
ff
e
c
t
in
f
o
re
c
a
stin
g
,
th
e
a
v
e
ra
g
e
p
re
d
ictio
n
e
rro
r
f
o
r
th
e
n
e
x
t
h
o
u
rs
o
r
d
a
y
s
re
a
c
h
e
s
2
7
.
6
%
.
T
h
e
d
a
ta
stre
a
m
is
stil
l
b
e
in
g
a
c
c
u
m
u
late
d
a
n
d
th
e
a
c
c
u
ra
c
y
w
il
l
b
e
e
n
h
a
n
c
e
d
b
y
m
o
re
in
ten
siv
e
m
a
c
h
in
e
lea
rn
in
g
.
K
ey
w
o
r
d
:
B
ig
d
ata
an
al
y
s
is
P
r
ed
ictio
n
m
o
d
el
S
m
ar
t
g
r
id
So
lar
en
er
g
y
Stre
a
m
o
r
ch
es
tr
atio
n
Co
p
y
rig
h
t
©
2
0
1
8
In
stit
u
te o
f
A
d
v
a
n
c
e
d
E
n
g
i
n
e
e
rin
g
a
n
d
S
c
ien
c
e
.
Al
l
rig
h
ts
re
se
rv
e
d
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
J
u
n
g
h
o
o
n
L
ee
,
J
ej
u
Natio
n
al
Un
i
v
er
s
it
y
,
J
ej
u
d
ae
h
ak
n
o
1
0
2
,
R
ep
.
o
f
Ko
r
ea
.
+8
2
-
64
-
754
-
3594
E
m
ail:
j
h
lee
@
j
ej
u
n
u
.
ac
.
k
r
1.
I
NT
RO
D
UCT
I
O
N
I
n
cr
ea
s
ed
en
v
ir
o
n
m
e
n
t
co
n
ta
m
i
n
atio
n
i
s
o
n
e
o
f
th
e
m
o
s
t
u
r
g
en
t
p
r
o
b
le
m
s
w
e
ar
e
f
ac
i
n
g
th
ese
d
a
y
s
.
E
s
p
ec
iall
y
,
th
e
i
n
d
u
s
tr
ializati
o
n
o
f
C
h
in
a
m
ak
e
s
air
q
u
alit
y
w
o
r
s
e
a
n
d
w
o
r
s
e.
A
g
r
ea
t
d
ea
l
o
f
air
p
o
llu
tan
t
s
co
m
e
f
r
o
m
b
u
r
n
in
g
f
o
s
s
il
f
u
e
l
s
to
o
b
tain
elec
tr
icit
y
[
1
]
.
R
en
e
w
ab
le
en
er
g
y
,
s
u
c
h
as
w
in
d
an
d
s
u
n
li
g
h
t,
is
th
e
m
o
s
t
p
r
o
m
i
s
in
g
s
o
lu
tio
n
to
t
h
is
p
r
o
b
le
m
,
as
th
e
y
ca
n
g
e
n
er
ate
en
er
g
y
w
it
h
o
u
t
g
r
ee
n
h
o
u
s
e
g
as
e
m
i
s
s
io
n
s
.
Ho
w
e
v
er
,
its
i
n
ter
m
i
tten
t
n
atu
r
e
p
r
ev
en
ts
it
s
elf
f
r
o
m
b
ei
n
g
s
ea
m
les
s
l
y
i
n
te
g
r
ated
in
to
th
e
cu
r
r
en
t
e
n
er
g
y
g
r
id
o
r
en
tire
l
y
r
ep
lacin
g
leg
ac
y
e
n
er
g
y
g
e
n
er
atio
n
m
ec
h
a
n
i
s
m
s
.
I
n
d
is
p
en
s
ab
l
y
,
t
h
e
r
en
e
w
ab
l
e
en
er
g
y
i
n
te
g
r
atio
n
n
ee
d
s
elec
tr
ici
t
y
r
eser
v
e
u
n
it
s
to
co
p
e
w
i
th
th
e
ti
m
e
d
is
p
ar
i
t
y
b
et
w
ee
n
e
n
er
g
y
g
e
n
er
atio
n
an
d
co
n
s
u
m
p
tio
n
.
T
h
eir
ef
f
icien
t
m
an
a
g
e
m
e
n
t
i
s
t
h
e
k
e
y
n
o
t
o
n
l
y
to
b
len
d
m
o
r
e
r
en
e
w
ab
le
en
er
g
y
i
n
o
u
r
p
o
w
er
s
y
s
te
m
s
b
u
t
also
to
r
ed
u
ce
th
e
co
s
t o
f
ex
ce
s
s
i
v
e
r
eser
v
e
s
[
2
]
.
A
g
r
id
ca
n
m
a
k
e
a
n
e
n
er
g
y
g
en
er
atio
n
p
lan
ac
co
r
d
in
g
to
th
e
f
o
r
ec
a
s
t
o
n
h
o
w
m
u
ch
r
en
e
w
ab
le
en
er
g
y
w
il
l
b
e
av
ailab
le
o
n
t
h
e
n
ex
t
d
a
y
o
r
t
h
e
n
e
x
t
f
e
w
h
o
u
r
s
i
n
ad
d
itio
n
to
t
h
e
tr
ad
itio
n
al
d
e
m
an
d
f
o
r
ec
ast
[3
]
,
[
4
]
.
Gen
er
all
y
,
th
e
p
r
ed
ictio
n
o
f
en
er
g
y
av
a
ilab
ilit
y
c
an
b
e
d
o
n
e
b
ased
o
n
h
is
to
r
i
ca
l
s
tatis
tic
s
o
r
o
n
r
elev
an
t
s
p
at
ia
l
an
d
te
m
p
o
r
al
p
ar
am
eter
s
[
5
]
.
I
n
th
e
ex
a
m
p
le
o
f
s
o
lar
en
er
g
y
,
ir
r
ad
ian
ce
w
ill
b
e
th
e
m
o
s
t
i
m
p
o
r
tan
t
e
n
tit
y
.
As
f
o
r
h
i
s
to
r
y
d
ata
a
n
al
y
s
i
s
,
m
o
s
t
m
o
d
er
n
r
en
e
w
ab
le
en
er
g
y
g
e
n
er
ato
r
s
ar
e
ab
le
to
ca
p
tu
r
e
th
eir
o
p
er
atio
n
s
tat
u
s
to
r
ep
o
r
t
to
a
ce
n
tr
al
m
a
n
ag
er
o
r
s
to
r
e
f
o
r
f
u
r
t
h
er
a
n
al
y
s
i
s
[
6
]
.
T
h
o
s
e
d
atasets
allo
w
u
s
to
co
n
d
u
ct
d
iv
er
s
e
an
al
y
s
is
t
o
b
etter
u
n
d
er
s
ta
n
d
th
e
o
p
er
atio
n
o
f
f
ac
ili
ties
a
n
d
m
a
k
e
a
p
r
ed
ictio
n
m
o
d
el.
P
ar
ticu
lar
l
y
,
s
o
lar
en
er
g
y
g
e
n
er
atio
n
is
d
ee
p
l
y
d
ep
en
d
en
t
o
n
cli
m
a
te
co
n
d
itio
n
s
.
Hen
ce
,
w
e
c
a
n
en
h
an
ce
t
h
e
ac
cu
r
ac
y
o
f
p
r
ed
ictio
n
m
o
d
els
b
y
th
e
i
n
teg
r
atio
n
o
f
d
iv
er
s
e
d
ata
s
tr
ea
m
s
.
Her
e,
th
e
p
r
ed
ic
tio
n
m
o
d
el
w
il
l
b
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2088
-
8708
Da
ta
A
n
a
lysi
s
fo
r
S
o
la
r
E
n
erg
y
Gen
era
tio
n
in
a
Un
ivers
ity
Micr
o
g
r
id
(
Ju
n
g
h
o
o
n
Lee)
1325
d
if
f
er
e
n
t
r
eg
io
n
b
y
r
e
g
io
n
,
m
a
k
in
g
i
t
is
n
ec
es
s
ar
y
to
s
elec
t
a
b
est
m
o
d
elin
g
s
ch
e
m
e
ap
p
r
o
p
r
iate
to
th
e
tar
g
et
r
eg
io
n
an
d
d
ataset
[
7
]
.
T
h
is
p
ap
er
b
eg
in
s
w
it
h
co
llectin
g
d
ata
s
tr
ea
m
s
f
r
o
m
m
u
ltip
le
s
o
lar
p
an
el
s
in
a
m
icr
o
g
r
id
,
s
p
ec
if
icall
y
,
J
ej
u
Natio
n
al
U
n
iv
er
s
it
y
,
R
ep
u
b
lic
o
f
Ko
r
ea
.
T
h
eir
o
p
er
atio
n
b
eh
av
io
r
s
ar
e
tr
ac
ed
to
d
ev
elo
p
a
p
r
ed
ictio
n
m
o
d
el
o
f
t
h
e
a
m
o
u
n
t
o
f
s
o
lar
en
er
g
y
g
en
er
ati
o
n
f
o
r
th
e
n
ex
t
h
o
u
r
o
r
d
ay
.
T
h
is
a
p
p
r
o
ac
h
tak
es
o
p
en
s
o
f
t
w
ar
e
s
o
l
u
tio
n
s
f
o
r
d
ata
m
an
ag
e
m
e
n
t,
an
a
l
y
s
is
,
a
n
d
v
i
s
u
aliza
tio
n
.
T
h
e
d
ata
s
tr
ea
m
is
s
to
r
ed
in
M
y
S
Q
L
d
atab
ase
an
d
a
s
er
ies
o
f
q
u
er
ie
s
ar
e
d
esi
g
n
ed
an
d
is
s
u
ed
to
th
is
d
atab
ase
tab
le.
A
d
d
itio
n
all
y
,
th
e
q
u
er
y
r
es
u
lts
,
s
ig
n
i
f
ica
n
tl
y
cu
t
d
o
w
n
i
n
s
iz
e,
ar
e
g
iv
e
n
to
th
e
R
s
tatis
tic
s
p
ac
k
ag
e
to
in
v
o
k
e
ad
v
a
n
ce
d
m
ac
h
i
n
e
lear
n
in
g
A
P
I
s
a
n
d
elab
o
r
ate
v
is
u
aliza
t
io
n
to
o
ls
[
8
]
.
Sp
ec
if
icall
y
,
t
h
e
q
u
er
y
r
es
u
lt
s
ar
e
lo
ad
ed
to
th
e
R
s
p
ac
e
eit
h
er
d
ir
ec
tl
y
v
ia
t
h
e
R
M
y
SQ
L
l
ib
r
ar
y
o
r
b
y
th
e
i
m
p
o
r
t
co
m
m
an
d
to
w
ar
d
s
t
h
e
te
x
t
f
ile
d
o
w
n
lo
ad
ed
f
r
o
m
t
h
e
M
y
SQ
L
m
ac
h
in
e.
I
n
ad
d
itio
n
,
f
o
r
th
e
s
a
k
e
o
f
ap
p
l
y
i
n
g
a
m
o
r
e
e
f
f
icie
n
t
m
ac
h
i
n
e
lear
n
i
n
g
l
ib
r
ar
y
,
n
a
m
el
y
,
F
A
NN
(
Fas
t
A
r
t
if
ic
ial
Neu
r
al
Net
w
o
r
k
)
,
q
u
er
y
r
esu
lts
ar
e
co
o
k
ed
to
lear
n
in
g
p
a
tter
n
s
s
p
ec
i
f
ied
b
y
F
A
NN
[
9
]
.
T
h
e
r
est
o
f
th
i
s
p
ap
er
is
o
r
g
an
ized
as
f
o
llo
w
s
:
Af
ter
o
u
tl
in
i
n
g
t
h
e
p
ap
er
in
Sect
io
n
1
,
Sectio
n
2
d
escr
ib
es
th
e
d
ata
ac
q
u
is
itio
n
p
r
o
ce
s
s
.
Sectio
n
3
ex
te
n
s
i
v
el
y
in
v
e
s
ti
g
ates
t
h
e
o
b
s
er
v
a
tio
n
p
ar
a
m
eter
s
a
n
d
d
is
cu
s
s
es t
h
e
r
es
u
lt.
Fi
n
all
y
,
S
ec
tio
n
4
co
n
clu
d
es t
h
is
p
ap
er
w
it
h
a
b
r
ief
i
n
tr
o
d
u
ctio
n
o
f
f
u
t
u
r
e
w
o
r
k
.
2.
DATA AC
Q
U
I
S
I
T
I
O
N
Fig
u
r
e
1
s
h
o
w
s
o
u
r
d
ata
ac
q
u
is
itio
n
p
r
o
ce
s
s
.
Af
ter
g
ett
in
g
a
n
e
n
d
o
r
s
e
m
e
n
t
f
r
o
m
th
e
f
ac
ilit
y
m
an
a
g
e
m
e
n
t
o
f
f
ice,
o
u
r
r
esear
ch
tea
m
o
b
tain
s
t
h
e
o
p
er
atio
n
r
ec
o
r
d
s
o
f
7
s
o
lar
p
an
els
o
v
er
th
e
p
er
io
d
f
r
o
m
J
an
u
ar
y
2
0
1
6
to
Ma
r
ch
2
0
1
7
.
T
h
e
ar
ch
iv
e
s
ar
e
g
i
v
en
as
Mic
r
o
s
o
f
t E
x
ce
l
f
iles
.
W
e
i
m
p
le
m
en
t a
d
ata
p
ar
s
er
b
y
P
y
t
h
o
n
,
w
h
ic
h
p
r
o
v
id
es
co
m
p
r
eh
en
s
iv
e
d
ata
i
n
ter
f
ac
es
f
o
r
E
x
ce
l,
J
aso
n
,
XM
L
,
an
d
m
an
y
o
th
er
s
.
T
h
e
p
ar
s
e
r
r
ea
d
s
ea
ch
s
tatio
n
r
ec
o
r
d
an
d
f
ield
o
n
e
b
y
o
n
e
to
cr
ea
te
a
s
er
ies
o
f
SQ
L
i
n
s
er
t
s
tate
m
e
n
ts
.
No
w
,
t
h
e
SQ
L
s
tate
m
en
t
s
ar
e
u
p
lo
ad
ed
to
t
h
e
M
y
S
Q
L
m
ac
h
i
n
e
an
d
ex
e
cu
ted
to
in
s
er
t
ea
ch
r
ec
o
r
d
s
eq
u
en
tial
l
y
.
I
n
t
h
is
p
r
o
ce
s
s
,
w
e
d
ef
i
n
e
a
d
atab
ase
tab
le
co
n
tain
in
g
ti
m
esta
m
p
s
an
d
th
e
cu
r
r
en
t
a
m
o
u
n
t
o
f
e
n
e
r
g
y
g
e
n
er
atio
n
at
7
p
lace
s
.
An
y
q
u
er
ies
ca
n
b
e
is
s
u
ed
to
th
is
tab
le
v
ia
th
e
R
p
ac
k
ag
e
o
r
in
t
h
e
co
m
m
a
n
d
lin
e
i
n
ter
p
r
eter
.
I
t
m
u
s
t
b
e
m
e
n
tio
n
ed
th
at
s
o
m
e
f
ield
s
h
as
b
ee
n
co
r
r
u
p
ted
a
n
d
t
h
e
ir
v
al
u
es
g
e
t
o
u
t
o
f
t
h
e
v
alid
r
an
g
e,
t
h
at
i
s
,
t
h
e
p
o
w
er
g
e
n
er
atio
n
ca
p
ac
it
y
.
T
h
o
s
e
f
ield
s
w
ill
b
e
s
i
m
p
l
y
n
u
lli
f
ied
i
n
t
h
e
d
atab
ase,
as
m
i
s
s
i
n
g
v
al
u
e
in
ter
p
o
latio
n
is
n
o
t o
u
r
co
n
ce
r
n
[
1
1
]
.
Fig
u
r
e
1
.
Data
ac
q
u
is
itio
n
3.
DATA AN
AL
Y
SI
S
W
e
n
a
m
e
ea
ch
s
o
lar
p
an
el
f
ac
ilit
y
f
r
o
m
L
o
c1
to
L
o
c7
,
an
d
t
h
e
y
ar
e
lo
ca
ted
o
v
er
t
h
e
u
n
i
v
e
r
s
it
y
ar
ea
.
T
h
eir
p
o
w
er
ca
p
ac
ities
ar
e
3
0
,
4
0
,
3
0
,
3
0
,
3
0
,
3
0
,
9
0
,
an
d
6
0
kw
,
r
esp
ec
tiv
el
y
.
Am
o
n
g
t
h
ese,
t
h
e
last
t
h
r
ee
b
eg
an
t
h
eir
o
p
er
atio
n
s
la
s
t
De
ce
m
b
er
,
J
an
u
ar
y
,
a
n
d
Ma
r
ch
,
r
esp
ec
tiv
el
y
.
Fo
r
th
e
m
,
t
h
e
a
m
o
u
n
t
o
f
e
lectr
icit
y
g
en
er
atio
n
d
u
r
i
n
g
t
h
e
n
o
n
-
wo
r
k
in
g
p
er
io
d
w
il
l
b
e
n
u
ll.
F
ig
u
r
e
2
p
lo
ts
th
e
v
al
id
r
ec
o
r
d
r
atio
s
in
ce
2
0
1
6
J
an
u
ar
y
.
Fo
r
th
e
f
ir
s
t
4
p
lace
s
,
r
atio
s
ar
e
al
m
o
s
t
1
.
0
,
w
h
ile
t
h
e
in
v
alid
it
y
co
m
e
s
f
r
o
m
th
e
i
n
ter
m
itte
n
t
m
al
f
u
n
ctio
n
o
f
th
e
ac
q
u
i
s
itio
n
eq
u
ip
m
e
n
t.
O
n
t
h
e
co
n
tr
ar
y
,
f
o
r
th
e
last
3
p
lace
s
,
v
al
id
r
ec
o
r
d
r
atio
s
ar
e
q
u
ite
lo
w
,
a
s
t
h
e
y
h
a
v
e
b
ee
n
w
o
r
k
i
n
g
j
u
s
t
f
o
r
a
f
e
w
m
o
n
th
s
.
An
y
w
a
y
,
Fi
g
u
r
e
2
(
a)
s
h
o
w
s
t
h
e
d
a
ta
ch
ar
ac
ter
is
t
ics
in
o
u
r
s
y
s
te
m
.
A
d
d
itio
n
all
y
,
Fi
g
u
r
e
2
(
b
)
s
h
o
w
s
t
h
e
m
o
n
t
h
l
y
n
u
m
b
er
o
f
v
alid
r
ec
o
r
d
s
.
T
h
e
n
u
m
b
er
o
f
r
ec
o
r
d
s
b
ec
o
m
e
s
n
o
n
ze
r
o
o
n
l
y
a
f
ter
a
f
ac
ilit
y
b
e
g
in
s
its
o
p
er
atio
n
.
T
h
e
m
a
n
ag
e
m
e
n
t
s
y
s
te
m
h
a
s
u
n
d
er
g
o
n
e
s
y
s
te
m
u
p
g
r
ad
e,
f
ai
lu
r
e
r
e
m
ed
y
,
a
n
d
s
af
e
t
y
in
v
es
tig
a
tio
n
.
T
h
e
n
u
m
b
er
o
f
v
alid
r
ec
o
r
d
s
is
m
o
s
t
a
f
f
ec
ted
b
y
t
h
is
co
m
m
o
n
f
ac
to
r
,
w
h
i
le
th
e
d
ev
i
ce
-
le
v
el
m
al
f
u
n
ctio
n
i
s
n
o
t si
g
n
i
f
ican
t.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
8
,
No
.
3
,
J
u
n
e
201
8
:
1
3
2
4
–
1330
1326
Fig
u
r
e
2
.
Valid
it
y
r
atio
s
tati
s
ti
cs
Nex
t,
Fi
g
u
r
e
3
s
h
o
w
s
t
h
e
a
v
er
ag
e
a
m
o
u
n
t
o
f
en
er
g
y
g
e
n
er
atio
n
f
o
r
ea
ch
f
ac
ilit
y
.
T
h
e
v
al
u
e
is
o
b
tain
ed
b
y
a
v
er
ag
i
n
g
t
h
e
g
e
n
er
atio
n
a
m
o
u
n
t
f
o
r
ea
ch
r
ec
o
r
d
.
A
ctu
all
y
,
d
u
r
i
n
g
t
h
e
n
i
g
h
t
ti
m
e,
s
o
lar
en
er
g
y
g
en
er
atio
n
ca
n
n
o
t
tak
e
p
lace
at
all.
Hen
ce
,
th
e
h
u
m
a
n
o
p
er
ato
r
m
a
n
u
al
l
y
t
u
r
n
s
o
f
f
th
e
m
o
n
ito
r
i
n
g
s
y
s
te
m
f
r
o
m
ti
m
e
to
ti
m
e.
T
h
o
s
e
ti
m
e
in
ter
v
al
s
ar
e
ex
clu
d
ed
in
ca
lcu
lat
i
n
g
th
e
a
v
er
ag
e.
A
cc
o
r
d
in
g
to
Fi
g
u
r
e
3
(
a)
,
L
o
c6
,
h
a
v
i
n
g
t
h
e
g
en
er
atio
n
ca
p
ac
it
y
o
f
90
kw
,
s
h
o
w
s
t
h
e
h
i
g
h
est
av
er
a
g
e.
W
e
ca
n
s
e
e
th
at
t
h
o
s
e
p
lace
s
h
av
i
n
g
t
h
e
s
a
m
e
ca
p
ac
it
y
s
h
o
w
al
m
o
s
t
th
e
s
a
m
e
g
e
n
er
atio
n
a
m
o
u
n
t.
T
h
is
r
es
u
lt i
n
d
icate
s
t
h
at
eq
u
ip
m
e
n
t
-
lev
e
l
di
f
f
er
e
n
ce
is
q
u
i
te
n
e
g
li
g
ib
le
.
I
n
ad
d
itio
n
,
Fig
u
r
e
3
(
b
)
s
h
o
w
s
t
h
e
m
o
n
t
h
l
y
a
v
er
ag
e
o
f
ea
ch
f
ac
ili
t
y
i
n
a
u
n
i
v
er
s
i
t
y
-
s
ca
le
m
icr
o
g
r
id
.
Her
e
ag
ain
,
th
e
m
o
n
th
l
y
b
eh
a
v
i
o
r
s
ar
e
al
m
o
s
t
eq
u
al
f
o
r
t
h
e
f
ac
ilit
ies
h
a
v
i
n
g
t
h
e
s
a
m
e
ca
p
ac
it
y
.
T
h
e
m
a
x
i
m
u
m
d
if
f
er
en
ce
i
s
o
b
s
er
v
ed
to
b
e
7
.
1
%
in
A
p
r
il
2
0
1
6
.
W
e
ca
n
s
ee
th
e
s
a
m
e
p
atter
n
in
all
o
f
t
h
e
ti
m
e
s
er
ies.
Fig
u
r
e
3
.
Av
er
ag
e
a
m
o
u
n
t o
f
e
n
er
g
y
g
e
n
er
atio
n
Fig
u
r
e
4
tr
ac
es t
h
e
m
ax
i
m
u
m
g
en
er
atio
n
a
m
o
u
n
t
f
o
r
all
f
ac
i
l
ities
d
u
r
i
n
g
t
h
e
w
h
o
le
o
p
er
atio
n
p
er
io
d
s
.
As
ex
p
ec
ted
,
t
h
e
m
ax
i
m
u
m
a
m
o
u
n
t
i
s
li
m
ited
b
y
th
e
p
o
w
er
ca
p
ac
it
y
f
o
r
ea
ch
f
ac
ilit
y
.
A
cc
o
r
d
in
g
to
Fig
u
r
e
4
(
a)
,
ea
ch
g
e
n
er
ato
r
a
p
p
r
o
ac
h
es
its
f
u
l
l
ca
p
ac
it
y
b
y
f
r
o
m
9
0
.
0
to
9
9
.
7
%.
T
h
e
n
atu
r
al
w
o
r
n
-
o
u
t
o
f
eq
u
ip
m
e
n
t
w
ill
w
o
r
s
en
t
h
is
r
atio
.
I
t
w
il
l
g
i
v
e
a
g
u
id
eli
n
e
o
n
w
h
en
to
r
ep
lace
th
e
eq
u
ip
m
en
t.
I
n
th
o
s
e
d
a
y
s
h
av
i
n
g
t
h
e
b
est
co
n
d
itio
n
s
f
o
r
s
o
lar
e
n
er
g
y
g
en
er
atio
n
,
t
h
at
is
,
h
ig
h
-
i
n
s
o
latio
n
d
a
y
s
,
ea
c
h
f
ac
ilit
y
r
ea
c
h
es
it
s
m
ax
i
m
u
m
.
I
n
ad
d
itio
n
,
Fi
g
u
r
e
4
(
b
)
s
h
o
w
s
t
h
e
m
o
n
t
h
l
y
m
a
x
i
m
u
m
g
e
n
er
atio
n
.
I
n
Au
g
u
s
t
2
0
1
6
,
th
e
m
o
n
ito
r
in
g
s
y
s
te
m
h
a
s
b
ee
n
s
h
u
t
d
o
w
n
f
o
r
s
o
m
e
co
m
p
o
n
en
t
ex
c
h
a
n
g
e
s
.
E
v
en
d
u
r
in
g
t
h
e
o
p
er
atio
n
ti
m
e,
r
ec
o
r
d
s
h
a
v
e
b
ee
n
h
ar
d
l
y
v
alid
.
Hen
ce
,
as i
n
th
e
ca
s
e
o
f
Fi
g
u
r
e
3
(
b
)
,
Fig
u
r
e
4
(
b
)
also
h
as a
h
o
le
in
t
h
is
m
o
n
t
h
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2088
-
8708
Da
ta
A
n
a
lysi
s
fo
r
S
o
la
r
E
n
erg
y
Gen
era
tio
n
in
a
Un
ivers
ity
Micr
o
g
r
id
(
Ju
n
g
h
o
o
n
Lee)
1327
Fig
u
r
e
4
.
Ma
x
i
m
u
m
a
m
o
u
n
t o
f
en
er
g
y
g
en
er
at
io
n
Fig
u
r
e
5
p
lo
ts
th
e
to
tal
am
o
u
n
t
o
f
elec
tr
icit
y
g
e
n
er
atio
n
f
o
r
ea
ch
f
ac
ilit
y
.
As
ea
ch
r
ec
o
r
d
co
n
tain
s
j
u
s
t
t
h
e
s
n
ap
s
h
o
t
v
al
u
e
a
t
a
s
p
ec
if
ic
t
i
m
e
i
n
s
ta
n
t,
th
e
ex
ac
t
a
m
o
u
n
t
ca
n
b
e
d
i
f
f
er
en
t.
Ho
w
e
v
er
,
as
t
h
e
s
o
lar
en
er
g
y
g
e
n
er
atio
n
d
o
es
n
o
t
ch
an
g
e
s
h
ar
p
l
y
in
a
s
i
n
g
le
d
ay
,
th
e
ad
d
-
u
p
o
f
ea
ch
s
n
ap
s
h
o
t
v
al
u
e
p
r
o
v
id
es
s
u
f
f
icie
n
tl
y
ac
c
u
r
ate
esti
m
ati
o
n
.
Du
r
in
g
th
e
w
h
o
le
in
v
es
ti
g
atio
n
p
er
io
d
,
th
e
ac
cu
m
u
late
d
am
o
u
n
t
i
s
al
m
o
s
t
lin
ea
r
to
t
h
e
f
u
ll
ca
p
ac
it
y
o
f
a
g
en
er
ato
r
,
as
s
h
o
w
n
i
n
Fi
g
u
r
e
5
(
a)
.
T
h
e
last
3
h
a
v
e
s
m
al
le
r
a
m
o
u
n
t
i
n
all
-
ti
m
e
g
en
er
atio
n
,
as
th
e
y
b
eg
u
n
w
o
r
k
in
g
r
ec
en
tl
y
.
Fi
g
u
r
e
5
(
b
)
s
h
o
w
s
t
h
e
m
o
n
t
h
l
y
a
m
o
u
n
t
o
f
e
n
er
g
y
g
e
n
er
ated
at
ea
ch
s
o
lar
p
an
el.
7
p
an
els
s
h
o
w
t
h
e
s
i
m
ilar
cu
r
v
es,
b
u
t
t
h
e
p
an
el
h
a
v
in
g
lar
g
er
ca
p
ac
it
y
s
ee
m
s
to
d
r
o
p
m
o
r
e
s
h
ar
p
l
y
.
T
h
at
is
,
t
h
er
e
ex
is
t th
o
s
e
d
ay
s
in
w
h
ic
h
t
h
e
en
er
g
y
c
an
b
e
g
en
er
ated
b
et
w
ee
n
3
0
an
9
0
kw
.
Fig
u
r
e
5
.
T
o
tal
am
o
u
n
t o
f
en
er
g
y
g
e
n
er
atio
n
No
w
,
Fi
g
u
r
e
6
s
h
o
w
s
t
h
e
d
a
y
-
by
-
d
a
y
a
m
o
u
n
t
o
f
g
en
r
r
atio
n
alo
n
g
t
h
e
w
h
o
le
i
n
v
e
s
ti
g
atio
n
p
er
io
d
f
o
r
4
p
an
els
w
o
r
k
in
g
f
r
o
m
t
h
e
b
eg
in
n
i
n
g
.
W
e
ca
n
s
ee
t
h
e
p
er
io
d
in
w
h
ic
h
t
h
e
m
o
n
ito
r
in
g
s
y
s
te
m
h
as
s
to
p
p
ed
w
o
r
k
i
n
g
f
o
r
4
5
d
ay
s
.
E
v
e
n
t
h
o
u
g
h
t
h
e
f
ig
u
r
e
tr
ac
es
th
e
d
ail
y
to
tal
g
e
n
er
atio
n
,
t
h
e
av
er
ag
e
an
d
m
a
x
i
m
u
m
a
m
o
u
n
ts
al
s
o
s
h
o
w
t
h
e
s
a
m
e
p
atter
n
.
T
h
e
d
aily
d
if
f
er
en
ce
d
ef
i
n
itel
y
co
m
es
f
r
o
m
d
i
f
f
er
en
t
cli
m
ate
co
n
d
itio
n
s
,
p
ar
ticu
lar
l
y
,
in
s
o
latio
n
a
n
d
cl
o
u
d
in
es
s
.
A
cc
o
r
d
in
g
to
o
u
r
o
b
s
er
v
atio
n
,
th
e
s
o
lar
e
n
er
g
y
g
en
er
atio
n
la
s
ts
at
m
o
s
t
1
1
h
o
u
r
s
a
d
a
y
.
Fo
r
o
n
l
y
a
f
e
w
h
o
u
r
s
ar
o
u
n
d
1
P
M,
th
e
g
en
er
atio
n
a
m
o
u
n
t
ap
p
r
o
ac
h
e
s
th
e
f
u
l
l
ca
p
ac
it
y
.
Fo
r
L
o
c2
h
av
i
n
g
t
h
e
f
u
ll
ca
p
ac
it
y
o
f
4
0
kw
s
h
o
w
s
2
9
0
kwh
o
n
t
h
e
d
a
y
o
f
b
est
cli
m
ate
co
n
d
itio
n
.
W
it
h
4
p
a
n
els,
th
e
m
i
cr
o
g
r
id
o
b
tain
s
u
p
to
a
b
o
u
t
8
0
0
kwh
at
m
ax
i
m
u
m
i
n
a
d
ay
.
I
t
’
s
n
o
t
s
o
m
u
ch
,
co
m
p
ar
ed
w
i
th
t
h
e
to
tal
d
ail
y
co
n
s
u
m
p
tio
n
i
n
t
h
e
u
n
i
v
er
s
it
y
,
n
a
m
el
y
,
ab
o
u
t
5
0
M
w
h
.
Ho
w
e
v
er
,
as
m
o
r
e
p
an
e
ls
(
L
o
c5
,
L
o
c6
,
an
d
L
o
c7
)
ar
e
in
s
tal
led
,
th
e
co
v
er
ag
e
o
f
r
en
e
w
ab
le
en
er
g
y
w
il
l
i
n
cr
ea
s
e
m
o
r
e
t
h
a
n
d
o
u
b
le.
Up
to
n
o
w
,
in
ter
m
itte
n
c
y
d
o
es
n
o
t
m
a
tter
,
as
t
h
e
s
o
lar
e
n
er
g
y
g
en
er
atio
n
ta
k
es
p
lace
d
u
r
in
g
t
h
e
h
o
u
r
o
f
h
o
t
co
n
s
u
m
p
t
io
n
in
th
e
u
n
iv
er
s
it
y
a
n
d
ca
n
b
e
en
tire
l
y
co
n
s
u
m
ed
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
8
,
No
.
3
,
J
u
n
e
201
8
:
1
3
2
4
–
1330
1328
Fig
u
r
e
6
.
Dail
y
g
e
n
er
atio
n
p
at
ter
n
Fin
all
y
,
Fi
g
u
r
e
7
an
d
Fig
u
r
e
8
b
u
ild
tr
ac
e
an
d
p
r
e
d
ictio
n
m
o
d
el
s
f
o
r
L
o
c1
an
d
L
o
c2
,
w
h
o
s
e
f
u
l
l
g
en
er
atio
n
ca
p
ac
ities
ar
e
3
0
an
d
4
0
kw
,
r
esp
ec
tiv
el
y
.
As
t
h
e
g
r
ap
h
w
ill
lo
o
k
s
o
d
en
s
e
i
f
w
e
p
lo
t
f
r
o
m
J
an
u
ar
y
2
0
1
6
,
th
ese
g
r
ap
h
s
s
h
o
w
f
r
o
m
2
0
1
6
-
08
-
0
8
,
w
h
en
t
h
e
m
o
n
ito
r
in
g
s
y
s
te
m
r
estar
ted
af
t
er
th
e
s
y
s
te
m
u
p
g
r
ad
e.
T
h
e
p
r
e
d
ictio
n
m
o
d
el
is
b
u
ilt
ex
p
lo
itin
g
th
e
F
ANN
(
Fas
t
Ar
tif
icial
Ne
u
r
al
Net
w
o
r
k
)
lib
r
ar
y
,
w
h
ic
h
p
r
o
v
id
es
co
m
p
r
e
h
en
s
iv
e
A
P
I
s
r
eg
ar
d
i
n
g
A
NN
-
b
ased
m
ac
h
i
n
e
lear
n
i
n
g
[
9
]
.
B
ased
o
n
th
e
p
r
in
cip
le
o
f
lear
n
b
y
e
x
a
m
p
le,
th
e
A
NN
m
o
d
el
co
n
s
i
s
t
s
o
f
i
n
p
u
t,
h
id
d
en
,
an
d
o
u
tp
u
t
la
y
er
s
as
w
ell
as
t
h
e
lin
k
s
b
et
w
ee
n
th
e
m
[
1
0
]
.
W
e
th
in
k
as
th
e
cli
m
a
te
ch
an
g
e
s
n
o
t
s
o
in
s
ta
n
tan
eo
u
s
l
y
an
d
th
e
cu
r
r
en
t
w
ea
th
er
is
co
r
r
elate
d
w
it
h
p
r
ev
io
u
s
o
n
es,
th
e
g
en
er
atio
n
a
m
o
u
n
t
w
ill b
eh
a
v
e
m
u
c
h
li
k
el
y
.
T
h
e
s
eq
u
en
ce
o
f
da
il
y
g
en
er
at
io
n
is
co
n
v
er
ted
to
a
s
et
o
f
lear
n
i
n
g
r
ec
o
r
d
s
.
T
h
e
m
o
d
elin
g
p
r
o
ce
s
s
tak
es
t
h
e
g
en
er
atio
n
a
m
o
u
n
t
s
f
o
r
th
e
4
p
r
ev
io
u
s
d
ay
s
as
i
n
p
u
ts
an
d
th
e
cu
r
r
en
t
d
ay
g
en
er
atio
n
as
o
u
tp
u
t
o
f
t
h
e
n
e
u
r
al
n
et
w
o
r
k
.
T
h
e
n
u
m
b
er
o
f
n
o
d
es
in
th
e
h
id
d
en
la
y
er
is
e
m
p
ir
ic
all
y
s
elec
ted
to
b
e
3
0
.
Fig
u
r
e
7
.
T
r
ac
e
an
d
p
r
e
d
ictio
n
m
o
d
el
f
o
r
L
o
c1
(
3
0
kwh
ca
p
ac
it
y
)
E
ac
h
o
f
Fig
u
r
e
7
an
d
Fig
u
r
e
8
in
clu
d
es
a
v
er
tical
b
ar
o
n
0
1
-
01
-
1
7
.
Daily
g
en
er
atio
n
s
f
r
o
m
t
h
is
d
a
y
ar
e
n
o
t
u
s
ed
in
t
h
e
lear
n
i
n
g
p
h
ase.
A
s
ca
n
b
e
s
ee
n
in
t
h
o
s
e
f
i
g
u
r
es,
t
h
e
f
i
tti
n
g
er
r
o
r
is
q
u
ite
s
m
all
a
n
d
co
m
es
f
r
o
m
t
h
e
ti
m
e
lag
g
i
n
g
ef
f
ec
t.
T
h
e
av
er
ag
e
er
r
o
r
is
lar
g
er
in
L
o
c2
h
av
in
g
h
ig
h
er
ca
p
ac
it
y
.
On
t
h
e
co
n
tr
ar
y
,
i
n
th
e
p
r
ed
ictio
n
p
ar
t
s
h
o
w
n
i
n
t
h
e
r
ig
h
t
-
h
a
n
d
s
id
e
o
f
t
h
e
v
er
tica
l b
ar
,
th
e
d
i
f
f
er
e
n
ce
b
et
w
ee
n
t
h
e
t
w
o
c
u
r
v
e
s
g
ets
q
u
ite
s
ev
er
e
f
r
o
m
ti
m
e
to
ti
m
e
.
T
h
e
m
a
x
i
m
u
m
er
r
o
r
s
r
ea
ch
1
4
7
kw
an
d
2
6
5
kw
o
n
L
o
c1
an
d
L
o
c2
,
m
ai
n
l
y
d
u
e
to
ti
m
e
la
g
g
in
g
i
n
tr
ac
in
g
t
h
e
ch
an
g
i
n
g
p
atter
n
.
T
h
e
av
er
a
g
e
er
r
o
r
s
f
o
r
t
w
o
p
lace
s
ar
e
2
6
kw
an
d
4
7
kw
,
w
h
ich
co
r
r
esp
o
n
d
to
2
7
.
6
an
d
2
9
.
6
%,
r
esp
ec
tiv
el
y
.
O
n
t
h
e
f
ir
s
t
d
ay
o
f
a
p
atter
n
c
h
a
n
g
e,
t
h
e
e
r
r
o
r
s
ize
g
ets
h
ig
h
er
,
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2088
-
8708
Da
ta
A
n
a
lysi
s
fo
r
S
o
la
r
E
n
erg
y
Gen
era
tio
n
in
a
Un
ivers
ity
Micr
o
g
r
id
(
Ju
n
g
h
o
o
n
Lee)
1329
f
o
r
ex
a
m
p
le,
th
e
m
o
d
el
p
r
ed
icts
th
e
m
a
x
i
m
u
m
a
m
o
u
n
t
o
f
g
e
n
er
atio
n
b
u
t
t
h
e
ac
tu
a
l
g
en
er
atio
n
is
th
e
m
i
n
i
m
u
m
,
o
r
v
ice
v
er
s
a.
An
y
w
a
y
,
w
e
w
ill
i
n
teg
r
ate
t
h
e
wea
th
er
f
o
r
ec
ast
to
th
i
s
m
o
d
el
an
d
h
as
f
o
u
n
d
th
e
te
m
p
o
r
al
d
ep
en
d
en
c
y
i
n
th
e
d
a
ta
s
tr
ea
m
o
f
s
o
lar
en
er
g
y
g
e
n
e
r
atio
n
.
Fig
u
r
e
8
.
T
r
ac
e
an
d
p
r
e
d
ictio
n
m
o
d
el
f
o
r
L
o
c1
(
4
0
kwh
ca
p
a
cit
y
)
4.
CO
NCLU
SI
O
N
I
n
t
h
is
p
ap
er
,
w
e
h
av
e
d
escr
ib
ed
o
u
t
d
ata
ac
q
u
i
s
itio
n
p
r
o
ce
s
s
f
r
o
m
t
h
e
m
a
n
ag
e
m
e
n
t
s
y
s
te
m
o
f
s
o
lar
en
er
g
y
g
e
n
er
atio
n
s
.
Fo
r
th
e
h
o
u
r
l
y
g
en
er
ato
r
o
u
tp
u
ts
o
n
7
p
an
els
d
u
r
i
n
g
th
e
p
er
io
d
f
r
o
m
J
an
u
ar
y
2
0
1
6
to
Ma
r
ch
2
0
1
7
,
th
e
av
er
ag
e,
m
ax
i
m
u
m
,
a
n
d
to
tal
a
m
o
u
n
ts
o
f
g
en
er
ated
elec
tr
icit
y
ar
e
a
n
al
y
ze
d
o
n
all
-
ti
m
e,
m
o
n
t
h
l
y
,
an
d
d
ail
y
b
asis
.
An
A
NN
-
b
ased
p
r
ed
ictio
n
m
o
d
el,
b
u
ilt
u
p
o
n
th
e
s
eq
u
en
t
ia
l
r
ec
o
r
d
s
et,
s
h
o
w
s
a
v
er
ag
e
p
r
ed
ictio
n
er
r
o
r
o
f
2
7
.
6
%,
m
ai
n
l
y
d
u
e
to
ti
m
e
lag
g
in
g
,
m
ak
i
n
g
it
n
ec
ess
ar
y
to
in
teg
r
ate
m
o
r
e
m
ac
h
in
e
lear
n
i
n
g
p
r
o
ce
s
s
an
d
o
th
er
p
ar
am
eter
s
.
C
u
r
r
en
tl
y
,
w
e
ar
e
co
n
d
u
cti
n
g
an
a
n
al
y
s
is
o
n
t
h
e
b
e
h
av
io
r
o
f
E
V
(
E
lectr
ic
Ve
h
icle)
c
h
ar
g
e
r
s
,
ai
m
i
n
g
at
in
teg
r
at
in
g
m
o
r
e
r
en
e
w
ab
le
en
er
g
y
f
o
r
E
V
ch
ar
g
i
n
g
[
1
2
]
.
B
y
co
m
b
in
in
g
s
o
lar
en
er
g
y
g
en
er
atio
n
an
d
E
V
ch
ar
g
i
n
g
d
e
m
a
n
d
,
it
w
ill
b
e
p
o
s
s
ib
le
to
s
h
if
t
th
e
c
h
ar
g
in
g
d
e
m
an
d
ac
r
o
s
s
th
e
g
r
o
u
p
o
f
c
h
a
r
g
er
s
b
elo
n
g
in
g
to
a
m
icr
o
g
r
id
h
a
v
i
n
g
s
o
lar
en
er
g
y
p
lan
ts
[
1
3
]
,
[
1
4
]
.
ACK
NO
WL
E
D
G
E
M
E
NT
S
T
h
e
f
in
a
n
cial
s
u
p
p
o
r
t f
r
o
m
J
eju
Gr
ee
n
E
n
v
ir
o
n
m
e
n
t Ce
n
ter
(
J
GE
C
,
Ko
r
ea
)
is
g
r
atef
u
ll
y
ac
k
n
o
w
led
g
ed
.
RE
F
E
R
E
NC
E
S
[1
]
A
.
Ip
a
k
c
h
i,
F
.
A
lb
u
y
e
h
,
“
G
rid
o
f
th
e
F
u
t
u
re
,
”
IEE
E
Po
we
r &
En
e
rg
y
M
a
g
a
zin
e
,
p
p
.
5
2
-
6
2
,
2
0
0
9
.
[2
]
A
.
Ca
laz
a
n
s,
M
.
Ke
ll
y
,
G
.
Ch
a
u
d
h
ry
,
M
.
S
i
d
d
ik
i,
“
Eco
n
o
m
ic
A
n
a
l
y
sis
o
f
a
P
h
o
t
o
v
o
lt
a
ic
S
y
ste
m
Co
n
n
e
c
ted
t
o
th
e
G
rid
in
Re
c
if
e
,
Bra
z
il
,
”
in
IEE
E
Ph
o
t
o
v
o
lt
a
ic S
p
e
c
ia
l
ist
Co
n
fer
e
n
c
e
,
2
0
1
5
,
p
p
.
1
2
3
0
-
1
2
3
3
.
[3
]
Z.
A
s
a
d
,
M
.
Ch
a
u
n
d
h
ry
,
“
A
Tw
o
-
W
a
y
S
tree
t:
G
re
e
n
Big
D
a
ta
P
ro
c
e
ss
in
g
f
o
r
a
G
re
e
n
e
r
S
m
a
rt
G
rid
,
”
IEE
E
S
y
ste
m
J
o
u
rn
a
l
,
2
0
1
6
.
[4
]
K.
I
w
a
m
u
ra
,
H.
T
o
n
o
o
k
a
,
Y.
M
iz
n
u
o
,
Y.
M
a
sh
it
a
,
“
Big
D
a
ta
Co
ll
e
c
ti
o
n
a
n
d
Util
iza
ti
o
n
f
o
r
Op
e
ra
ti
o
n
a
l
S
u
p
p
o
rt
o
f
S
m
a
rter S
o
c
ial
In
f
ra
stru
c
tu
re
,
”
Hita
c
h
i
Rev
iew
,
v
o
l
.
6
3
,
n
o
.
1
,
2
0
1
4
.
[5
]
S
.
Ha
u
p
t,
B.
K
o
so
v
ic,
“
V
a
riab
le
Ge
n
e
ra
ti
o
n
P
o
w
e
r
F
o
re
c
a
stin
g
a
s
a
Big
Da
ta
P
ro
b
lem
,
”
IEE
E
T
ra
n
sa
c
ti
o
n
s
o
n
S
u
sta
in
a
b
le E
n
e
rg
y
,
v
o
l
.
8
,
issu
e
2
,
p
p
.
7
2
5
-
7
3
2
,
2
0
1
7
.
[6
]
V
.
P
ra
sa
d
a
ra
o
,
K.
Ra
o
,
P
.
Ra
o
,
T
.
A
b
ish
a
i,
“
P
o
w
e
r
Qu
a
li
ty
En
h
a
n
c
e
m
e
n
t
in
G
rid
Co
n
n
e
c
ted
P
V
S
y
ste
m
s
u
sin
g
Hig
h
S
tep
Up
DC
-
DC
Co
n
v
e
rter,”
In
ter
n
a
ti
o
n
a
l
J
o
u
rn
a
l
o
f
El
e
c
tric
a
l
a
n
d
Co
m
p
u
ter
En
g
in
e
e
rin
g
v
o
l.
7
,
n
o
.
2
,
p
p
.
7
2
0
-
7
2
8
,
A
p
ril
2
0
1
7
.
[7
]
B.
Ka
u
sik
a
,
W
.
F
o
lk
e
rts,
W
.
S
a
rk
,
B.
S
ieb
e
n
g
a
,
P
.
He
rm
a
n
s,
“
A
Big
D
a
ta
A
p
p
ro
a
c
h
to
th
e
S
o
lar
P
V
M
a
rk
e
t:
De
sig
n
a
n
d
Re
su
lt
s
o
f
a
P
i
lo
t
in
t
h
e
Ne
th
e
rlan
d
,
”
in
Eu
r
o
p
e
a
n
Ph
o
t
o
v
o
lt
a
ic
S
o
la
r
En
e
r
g
y
C
o
n
fer
e
n
c
e
a
n
d
Exh
ib
it
io
n
,
2
0
1
3
,
p
p
.
4
0
3
0
-
4
0
3
3
.
[8
]
Bru
n
sd
o
n
,
C.
,
Co
m
b
e
r,
L
.
2
0
1
5
.
A
n
In
tro
d
u
c
ti
o
n
t
o
R
f
o
r
S
p
a
ti
a
l
A
n
a
l
y
si
s &
M
a
p
p
in
g
.
S
AG
E
P
u
b
l
ica
ti
o
n
L
td
.
[9
]
S
.
Niss
e
n
,
Ne
u
ra
l
Ne
tw
o
rk
M
a
d
e
S
im
p
le.
a
v
a
il
a
b
le at h
tt
p
:/
/f
a
n
n
.
s
o
u
rc
e
f
o
rg
e
.
n
e
t/
f
a
n
n
e
n
.
p
d
f
,
S
o
f
tw
a
re
2
.
0
,
2
0
0
5
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
8
,
No
.
3
,
J
u
n
e
201
8
:
1
3
2
4
–
1330
1330
[1
0
]
B.
Be
n
lah
b
i
b
,
F
.
Bo
u
c
h
a
f
a
a
,
S
.
M
e
k
h
il
e
f
,
N.
Bo
u
a
rro
u
d
j
,
“
W
in
d
F
a
r
m
M
a
n
a
g
e
m
e
n
t
u
sin
g
A
rti
f
i
c
ial
In
telli
g
e
n
t
T
e
c
h
n
iq
u
e
s,”
In
ter
n
a
ti
o
n
a
l
J
o
u
rn
a
l
o
f
E
lec
trica
l
a
n
d
Co
m
p
u
ter
E
n
g
i
n
e
e
rin
g
v
o
l.
7
,
n
o
.
3
,
p
p
.
1
1
3
3
-
1
1
4
4
,
A
u
g
u
st
2
0
1
7
.
[1
1
]
V
.
Jy
o
th
i,
T
.
M
u
n
i,
S
.
L
a
li
th
a
,
A
n
Op
ti
m
a
l
En
e
rg
y
M
a
n
a
g
e
m
e
n
t
S
y
ste
m
f
o
r
P
V
/Battery
S
tan
d
a
lo
n
e
S
y
ste
m
In
ter
n
a
t
io
n
a
l
J
o
u
rn
a
l
o
f
E
lec
trica
l
a
n
d
C
o
mp
u
ter
En
g
in
e
e
rin
g
v
o
l.
6
,
n
o
.
6
,
p
p
.
2
5
3
8
-
2
5
4
4
,
De
c
.
2
0
1
6
.
[1
2
]
J.
L
e
e
,
G
.
P
a
rk
,
Y.
Ha
n
,
S
.
Yo
o
,
“
Big
Da
ta
A
n
a
l
y
sis
f
o
r
a
n
El
e
c
tri
c
V
e
h
ic
le
Ch
a
rg
in
g
In
f
ra
stru
c
tu
re
u
sin
g
Op
e
n
Da
ta an
d
S
o
f
tw
a
re
,
”
in
ACM
e
En
e
rg
y
,
2
0
1
7
,
p
p
.
2
5
2
-
2
5
3
.
[1
3
]
J.
L
e
e
,
G
.
P
a
rk
,
“
In
teg
ra
ted
Co
o
rd
in
a
ti
o
n
o
f
El
e
c
tri
c
V
e
h
icle
a
n
d
Re
n
e
wa
b
le
En
e
rg
y
G
e
n
e
ra
ti
o
n
in
a
M
icro
g
rid
,
”
In
ter
n
a
t
io
n
a
l
J
o
u
rn
a
l
o
f
E
lec
trica
l
a
n
d
C
o
mp
u
ter
En
g
i
n
e
e
rin
g
v
o
l.
7
,
n
o
.
2
,
p
p
.
7
0
6
-
7
1
2
,
A
p
ril
2
0
1
7
.
[1
4
]
J.
S
a
m
ir,
B.
S
a
m
i,
C.
A
d
n
a
n
e
,
“
P
rio
rit
izi
n
g
P
o
w
e
r
d
e
m
a
n
d
re
sp
o
n
s
e
f
o
r
H
y
d
ro
g
e
n
P
EM
F
C
-
El
e
c
tri
c
V
e
h
icle
s
u
si
n
g
H
y
b
rid
En
e
rg
y
S
to
ra
g
e
,
”
In
ter
n
a
ti
o
n
a
l
J
o
u
rn
a
l
o
f
El
e
c
trica
l
a
n
d
Co
m
p
u
ter
E
n
g
i
n
e
e
rin
g
v
o
l.
7
,
n
o
.
4
,
p
p
.
1
7
8
9
-
1
7
9
6
,
A
u
g
u
st 2
0
1
7
.
Evaluation Warning : The document was created with Spire.PDF for Python.