Искусственный интеллект и машинное обучение в оптимизации энергопотребления гибридных ветро-солнечных энергосистем

Bibliografiska uppgifter
Parent link:Научная инициатива иностранных студентов и аспирантов.— 2025.— С. 120-126
Huvudupphovsman: Аганя Д. Д. Давид Делали
Övriga upphovsmän: Новикова А. В. Анастасия Викторовна (727)
Sammanfattning:Гибридные энергетические системы, объединяющие солнечную и ветровую генерацию, играют ключевую роль в переходе к устойчивой энергетике. Однако их эффективность зависит от изменчивости погодных условий, что требует интеллектуального управления энергопотоками. В данной статье рассматриваются методы искусственного интеллекта (ИИ) и машинного обучения (МО), применяемые для оптимизации энергопотребления и повышения эффективности гибридных систем. Анализируются алгоритмы прогнозирования генерации, динамического распределения нагрузки и адаптивного управления накопителями энергии. Приводятся примеры успешного внедрения ИИ в реальных энергосистемах, а также обсуждаются перспективы дальнейшего развития технологий оптимизации энергопотребления
Текстовый файл
Språk:ryska
Publicerad: 2025
Ämnen:
Länkar:http://earchive.tpu.ru/handle/11683/132089
Materialtyp: Elektronisk Bokavsnitt
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=681047
Beskrivning
Sammanfattning:Гибридные энергетические системы, объединяющие солнечную и ветровую генерацию, играют ключевую роль в переходе к устойчивой энергетике. Однако их эффективность зависит от изменчивости погодных условий, что требует интеллектуального управления энергопотоками. В данной статье рассматриваются методы искусственного интеллекта (ИИ) и машинного обучения (МО), применяемые для оптимизации энергопотребления и повышения эффективности гибридных систем. Анализируются алгоритмы прогнозирования генерации, динамического распределения нагрузки и адаптивного управления накопителями энергии. Приводятся примеры успешного внедрения ИИ в реальных энергосистемах, а также обсуждаются перспективы дальнейшего развития технологий оптимизации энергопотребления
Текстовый файл