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

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

Rozdział

Pobierz BibTeX

Tytuł

Wykorzystanie technologii uczenia maszynowego w procesie wytwarzania i wykorzystania energii

Autorzy

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

Dyscyplina naukowa (Ustawa 2.0)

[2.10] Inżynieria środowiska, górnictwo i energetyka

Wariant tytułu

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

Rok publikacji

2022

Typ rozdziału

rozdział w monografii naukowej

Język publikacji

polski

Słowa kluczowe
PL
  • uczenie maszynowe
  • energetyka odnawialna
  • prognozowanie pogody
  • farmy wiatrowe
EN
  • machine learning
  • renewable energy
  • weather forecasting
  • wind farms
Streszczenie

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.

Strony (od-do)

42 - 51

URL

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

Książka

Nauka dla obronności. Bezpieczeństwo infrastruktury krytycznej. Tom 2

Zaprezentowany na

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

Punktacja Ministerstwa / rozdział

20

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