| dc.contributor.author | Хитрук, П. В. | uk |
| dc.date.accessioned | 2025-02-12T23:43:16Z | |
| dc.date.available | 2025-02-12T23:43:16Z | |
| dc.date.issued | 2023 | |
| dc.identifier.citation | Хитрук П. В. Діагностування обладнення фотоелектричних станцій за допомогою методу аналітики даних [Електронний ресурс] / П. В. Хитрук // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2023)», Вінниця, 22 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/mn/mn2023/paper/view/18799. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/44396 | |
| dc.description.abstract | В роботі розглядається актуальність діагностування обладнання фотоелекричних станцій за допомогою методу аналітики даних, що включає в себе машинне навчання та штучний інтелект, що може допомогти виявити аномалії в роботі обладнання, класифікація несправностей та прогнозування відмов роботи станції. | uk |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2023)», Вінниця, 22 червня 2023 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2023/paper/view/18799 | |
| dc.subject | обладнання | uk |
| dc.subject | ФЕС | uk |
| dc.subject | діагностування | uk |
| dc.subject | equipment | uk |
| dc.subject | FES | uk |
| dc.subject | diagnostics | uk |
| dc.title | Діагностування обладнення фотоелектричних станцій за допомогою методу аналітики даних | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 621.311 | |
| dc.relation.references | , . . (2020). [ ]( ). . , (2), 30-36. | |
| dc.relation.references | , . ., & , . . (2019). [ ]( ). , (5.2 (79.2)), 231235. | |
| dc.relation.references | , . ., & , . . (2021). . , (1), 36-42.. | |
| dc.relation.references | Zhang, Q., Guan, S., Zhang, W., & Zhao, D. (2018). [Anomaly detection and fault diagnosis for photovoltaic systems based on machine learning techniques: A review]( ). Renewable and Sustainable Energy Reviews, 82, 3030-3041. | |
| dc.relation.references | Yang, F., Meng, D., Hu, J., & Lv, Y. (2020). Anomaly detection of photovoltaic power plants using machine learning and information fusion Energies, 13. | |
