Искусственный интеллект для систем возобновляемой энергии Авторы: Группа авторов Системы возобновляемой энергетики, такие как солнечная, ветровая, биодизель, гибридные энергетические системы и другие соответствующие типы, имеют многочисленные преимущества по сравнению с их традиционными
Книга "Искусственный интеллект для систем возобновляемой энергии" Сбор авторов Если вы еще не знакомы с автором, вот краткое описание, которое я нашел для вас:
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СИСТЕМАХ ВОЗОБНОВЛЯЕМОЙ ЭНЕРГИИ Системы возобновляемых источников энергии, включая солнечную, ветряную, биотопливо, гибридные источники энергии и другие соответствующие типы, имеют множество преимуществ по сравнению с их традиционными аналогами. Данная книга освещает применение машинного обучения и глубоких алгоритмов в моделировании, прогнозировании и оптимизации систем возобновляемых энергоресурсов для эффективного проектирования систем.
Ввиду важности применения возобновляемых источников энергетики в настоящее время, данная книга была написана с целью улучшить познания читателя о современных разработках в данной области. В примерах того, книга предлагает изучение извлечения и выбора алгоритмов машинного обучения для систем возобновляемых энергетических ресурсов, прогнозирование интенсивности и солнечной радиации. Также в ней освещены интеллектуальные данные, информационные системы в области возобновляемой энергетики, основанных на управлении и сборе данных, а также интеллектуальный мониторинг состояния систем солнечной и ветряной энергии. Кроме того, система основанная на искусственном интеллекте для решения тактических проблем в системах возобновляемых энергоресурс представлена, и также вовлечена возможность прогнозирования энергии потребления в зеленых зданиях с помощью машинного обучения. Авторы также предоставляют экспериментальные и реальные наборы данных с большим потенциалом в секторе возобновляемой энергетики, основанные на алгоритмах машинного (МЛ) и глубокого обучения (ДЛ), которые будут полезны для экономического и прогнозирование воздействия возобновляющейся энергетической промышленности.
Аудитория
Книга нацелена непосредственно на исследователей, инженеров производства и магистрантов, работающих в области возобновляемых источников, электротехники, машинного обучения, информационных коммуникационных технологий.
Электронная Книга «Artificial Intelligence for Renewable Energy Systems» написана автором Группа авторов в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119761716
Описание книги от Группа авторов
ARTIFICIAL INTELLIGENCE FOR RENEWABLE ENERGY SYSTEMS Renewable energy systems, including solar, wind, biodiesel, hybrid energy, and other relevant types, have numerous advantages compared to their conventional counterparts. This book presents the application of machine learning and deep learning techniques for renewable energy system modeling, forecasting, and optimization for efficient system design. Due to the importance of renewable energy in today’s world, this book was designed to enhance the reader’s knowledge based on current developments in the field. For instance, the extraction and selection of machine learning algorithms for renewable energy systems, forecasting of wind and solar radiation are featured in the book. Also highlighted are intelligent data, renewable energy informatics systems based on supervisory control and data acquisition (SCADA); and intelligent condition monitoring of solar and wind energy systems. Moreover, an AI-based system for real-time decision-making for renewable energy systems is presented; and also demonstrated is the prediction of energy consumption in green buildings using machine learning. The chapter authors also provide both experimental and real datasets with great potential in the renewable energy sector, which apply machine learning (ML) and deep learning (DL) algorithms that will be helpful for economic and environmental forecasting of the renewable energy business. Audience The primary target audience includes research scholars, industry engineers, and graduate students working in renewable energy, electrical engineering, machine learning, information & communication technology.
