Показати скорочену інформацію

dc.contributor.authorГнатюк, Х. О.uk
dc.contributor.authorОлійник, Н. І.uk
dc.contributor.authorДобровольська, Н. В.uk
dc.contributor.authorDobrovolska, N. V.en
dc.date.accessioned2025-08-13T09:54:07Z
dc.date.available2025-08-13T09:54:07Z
dc.date.issued2025
dc.identifier.citationГнатюк Х. О.,Олійник Н. І., Добровольська Н. В. Алгоритми оптимізації в енергетичних моделях “розумних” міст // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25525.uk
dc.identifier.isbn978-617-8163-57-0
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/48291
dc.description.abstractУ роботі розглянуто сучасні підходи до оптимізації енергетичних систем у контексті розвитку «розумних» міст. Основну увагу приділено методам, які використовують штучний інтелект, зокрема еволюційним алгоритмам, алгоритмам рою частинок та градієнтному спуску. Ці інструменти дозволяють ефективно моделювати енергетичні потоки, прогнозувати споживання та вдосконалювати розподіл енергії. У роботі також розглянуто приклади практичного застосування, зокрема системи керування вуличним освітленням та інтеграцію відновлюваних джерел енергії.uk
dc.description.abstractThe article explores modern approaches to optimizing energy systems in the context of smart city development. The main focus is on artificial intelligence-based methods, including evolutionary algorithms, particle swarm optimization, and gradient descent. These tools help model energy flows, forecast consumption, and improve energy distribution. The study also provides practical examples such as street lighting management and integration of renewable energy sourcesen
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25525
dc.subjectрозумне містоuk
dc.subjectенергетична оптимізаціяuk
dc.subjectштучний інтелектuk
dc.subjectгенетичний алгоритмuk
dc.subjectмоделі енергоспоживанняuk
dc.subjectстале середовищеuk
dc.subjectsmart cityen
dc.subjectenergy optimizationen
dc.subjectartificial intelligenceen
dc.subjectgenetic algorithmen
dc.subjectenergy consumption modelsen
dc.subjectsustainable environmenten
dc.titleАлгоритми оптимізації в енергетичних моделях “розумних” містuk
dc.typeThesis
dc.identifier.udc004.424.5.032.24(043.2)
dc.relation.referencesGungor, V. C., Sahin, D., Kocak, T., et al. Smart grid technologies: Communication technologies and standards // IEEE Transactions on Industrial Informatics. 2011. Vol. 7(4). P. 529-539.en
dc.relation.referencesMohammadi, M., Soleymani, S., Mozafari, B. Scenario-based stochastic operation management of microgrid including wind, photovoltaic, micro-turbine, fuel cell and energy storage devices // International Journal of Electrical Power & Energy Systems. 2014. Vol. 54. P. 525-535.en
dc.relation.referencesMirjalili, S. Genetic Algorithm // Evolutionary Algorithms and Neural Networks. Springer, 2019. P. 43-55.en
dc.relation.referencesKennedy, J., Eberhart, R. Particle Swarm Optimization // Proceedings of ICNN95 - International Conference on Neural Networks. 1995.en
dc.relation.referencesSutton, R. S., Barto, A. G. Reinforcement Learning: An Introduction. 2nd ed. MIT Press, 2018.en
dc.relation.referencesZhang, W., Li, F., Wang, Y. Deep reinforcement learning-based energy management for a smart microgrid // Applied Energy. 2020. Vol. 264. Article 114669.en
dc.relation.referencesFarhangi, H. The path of the smart grid // IEEE Power and Energy Magazine. 2010. Vol. 8(1). P. 1828.en
dc.relation.referencesKabalci, Y. A survey on smart metering and smart grid communication // Renewable and Sustainable Energy Reviews. 2016. Vol. 57. P. 302318.en
dc.relation.referencesKhan, M. J., Iqbal, M. T. Pre-feasibility study of stand-alone hybrid energy systems for applications in Newfoundland // Renewable Energy. 2005. Vol. 30(6). P. 835854.en
dc.relation.referencesBig Data Value Association (BDVA). Big Data technologies in Smart Cities [ ] : https://www.bdva.euen


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію