W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Comparison of Artificial Intelligence and Machine Learning Methods used in Electric Power System Operation

Autorzy

[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik

Rok publikacji

2024

Opublikowano w

Energies

Rocznik: 2024 | Tom: vol. 17 | Numer: iss. 11

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • electric power system
  • smart grid
  • artificial intelligence
  • machine learning
  • digitalization
  • sector coupling
Streszczenie

EN The methods of Artificial Intelligence (AI) have been used in the planning and operation of electric power systems for more than 40 years. In recent years, due to the development of micro-processor and data storage technologies, the effectiveness of this use has greatly increased. This paper provides a systematic overview of the application of AI including the use of Machine Learning (ML) to the electric power system. The potential application areas are divided into four blocks and the classification matrix has been used for clustering the AI application tasks. Furthermore, the data acquisition methods for setting the parameters of AI and ML algorithms are presented and discussed in a systematic way considering the supervised and unsupervised learning methods. Based on this, three complex application examples: wind power generation forecasting, smart grid security assessment (using two methods), and automatic system fault detection are presented and discussed in detail. Summary and outlook conclude the paper.

Data udostępnienia online

06.06.2024

Strony (od-do)

2790-1 - 2790-25

DOI

10.3390/en17112790

URL

https://www.mdpi.com/1996-1073/17/11/2790

Uwagi

Article number: 2790

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Data udostępnienia

06.06.2024

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

140

Impact Factor

3 [Lista 2023]

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.