Діагностування обладнення фотоелектричних станцій за допомогою методу аналітики даних
Вантажиться...
Файли
Дата
Автори
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
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.
The paper discusses the relevance of equipment diagnostics for photovoltaic stations using data analytics methods, including machine learning and artificial intelligence, is considered in the study. These techniques can assist in detecting equipment anomalies, classifying malfunctions, and predicting station failures.
The paper discusses the relevance of equipment diagnostics for photovoltaic stations using data analytics methods, including machine learning and artificial intelligence, is considered in the study. These techniques can assist in detecting equipment anomalies, classifying malfunctions, and predicting station failures.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
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.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (5)
- Карпов, І. В. (2020). [Аналіз та виявлення аномалій в роботі фотоелектричних систем за допомогою методів машинного навчання](посилання на джерело). Вісник Київського національного університету імені Тараса Шевченка. Фізика та астрономія, (2), 30-36.
- Міщенко, О. І., & Лях, В. В. (2019). [Прогнозування поломок фотоелектричного обладнання на основі алгоритмів машинного навчання](посилання на джерело). Молодий вчений, (5.2 (79.2)), 231- 235.
- Синявський, В. В., & Горілов, М. В. (2021). Аналіз та класифікація несправностей фотоелектричних систем з використанням методів машинного навчання. Електроенергетика та електротехніка, (1), 36-42..
- Zhang, Q., Guan, S., Zhang, W., & Zhao, D. (2018). [Anomaly detection and fault diagnosis for photovoltaic systems based on machine learning techniques: A review](посилання на джерело). Renewable and Sustainable Energy Reviews, 82, 3030-3041.
- Yang, F., Meng, D., Hu, J., & Lv, Y. (2020). Anomaly detection of photovoltaic power plants using machine learning and information fusion Energies, 13.