Діагностування обладнення фотоелектричних станцій за допомогою методу аналітики даних

Хитрук, П. В.

Діагностування обладнення фотоелектричних станцій за допомогою методу аналітики даних

dc.contributor.author	Хитрук, П. В.	uk
dc.title	Діагностування обладнення фотоелектричних станцій за допомогою методу аналітики даних	uk
dc.date.issued	2023
dc.publisher	Вінницький національний технічний університет	uk
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.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.identifier.udc	621.311
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.description.abstract	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.	en
dc.subject	обладнання	uk
dc.subject	ФЕС	uk
dc.subject	діагностування	uk
dc.subject	equipment	en
dc.subject	FES	en
dc.subject	diagnostics	en
dc.type	Thesis
dc.language.iso	uk	uk
dc.relation.references	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.	uk
dc.relation.references	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.	uk
dc.relation.references	Синявський, В. В., & Горілов, М. В. (2021). Аналіз та класифікація несправностей фотоелектричних систем з використанням методів машинного навчання. Електроенергетика та електротехніка, (1), 36-42..	uk
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](посилання на джерело). Renewable and Sustainable Energy Reviews, 82, 3030-3041.	en
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.	en
dc.date.accessioned	2025-02-12T23:43:16Z
dc.date.available	2025-02-12T23:43:16Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: 18799.pdf
Розмір:: 223,37 KB
Формат:: Adobe Portable Document Format

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 17 B
Формат:: Plain Text
Опис:

Завантажити

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2023)