Depending on the amount of data to process, file generation may take longer.

If it takes too long to generate, you can limit the data by, for example, reducing the range of years.

Chapter

Download BibTeX

Title

Wykorzystanie technologii uczenia maszynowego w procesie wytwarzania i wykorzystania energii

Authors

[ 1 ] Instytut Energetyki Cieplnej, Wydział Inżynierii Środowiska i Energetyki, Politechnika Poznańska | [ P ] employee

Scientific discipline (Law 2.0)

[2.10] Environmental engineering, mining and energy

Title variant

EN The Use of Machine Learning Technologies in the Process of Energy Production and Use

Year of publication

2022

Chapter type

chapter in monograph

Publication language

polish

Keywords
PL
  • uczenie maszynowe
  • energetyka odnawialna
  • prognozowanie pogody
  • farmy wiatrowe
EN
  • machine learning
  • renewable energy
  • weather forecasting
  • wind farms
Abstract

PL W artykule zwrócono uwagę na możliwości stosowania metod uczenia maszynowego i uczenia głębokiego w kontekście wytwarzania energii ze źródeł odnawialnych. W związku ze stale rosnącymi normami emisji spalin oraz niebezpieczeństwa wyczerpania złóż paliw kopalnych niezbędne jest coraz większe wykorzystanie energii ze źródeł odnawialnych, które w dużej mierze są nieprzewidywalne. Dokonano przeglądu wykorzystywanych modeli predykcyjnych z wykorzystaniem uczenia maszynowego. Określono, które metody dają najlepsze wyniki w zależności od zastosowanej skali czasowej - dzień, tydzień, miesiąc. Podkreślono także konieczność stosowania magazynów energii w infrastrukturze krytycznej, do której można zaliczyć wytwarzanie energii.

EN This paper highlights the applicability of machine learning and deep learning methods in the context of renewable energy generation. In connection with constantly increasing emission standards and the danger of depletion of fossil fuel deposits, it is necessary to increase the use of energy from renewable sources, which are largely unpredictable. A review of prediction models using machine learning was carried out. It was determined which methods give the best results depending on the time scale used - day, week, month. It also emphasized the need for energy storage in critical infrastructure, which can include power generation.

Pages (from - to)

42 - 51

URL

https://itwl.pl/media/attachments/2022/10/18/tom_ii_nauka_dla_obronnosci.pdf#page=51

Book

Nauka dla obronności. Bezpieczeństwo infrastruktury krytycznej. Tom 2

Presented on

Konferencja Naukowo-Techniczna : Nauka dla obronności : Bezpieczeństwo infrastruktury krytycznej, 14-15.09.2022, Poznań, Polska

Ministry points / chapter

20

This website uses cookies to remember the authenticated session of the user. For more information, read about Cookies and Privacy Policy.