Uczestnicy rynku energetycznego (inwestorzy, producenci energii, operatorzy sieci, konsumenci itp.) stoją w obliczu potencjalnych wyzwań, takich jak rosnące zapotrzebowanie na energię, nowe wzorce zużycia energii, integracja (nieciąglych) odnawialnych źr del energii z sieciami energetycznymi oraz ewolucja sieci energetycznych.Książka bada możliwośc przewidywania produkcji samokonsumpcyjnej instalacji fotowoltaicznej za pomocą sztucznych sieci neuronowych. Por wnaliśmy dwie architektury sieci neuronowych (zapętloną i niezapętloną) w odniesieniu do regresji wielorakiej w celu uzyskania wydajnego i wiarygodnego narzędzia do przewidywania produkcji instalacji PV na podstawie danych meteorologicznych (naslonecznienie i temperatura otoczenia).W tym celu wykorzystaliśmy dane z monitoringu zakladu z okresu 72 dni, aby zbudowac, wytrenowac i przetestowac dwie topologie sieci neuronowych (zapętloną i niezapętloną), kt re są trenowane algorytmem Levenberga-Marquardta.