<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Підвищення точності прогнозу виробництва електроенергії фотоелектричними станціями на основі методу Random Forest

dc.contributor.authorКулик, В. В.uk
dc.contributor.authorЗатхей, М. В.uk
dc.titleПідвищення точності прогнозу виробництва електроенергії фотоелектричними станціями на основі методу Random Forestuk
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКулик В. В., Затхей М. В. Підвищення точності прогнозу виробництва електроенергії фотоелектричними станціями на основі методу Random Forest // Матеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22125.uk
dc.relation.ispartofМатеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22125
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/56500
dc.subjectвідновлювані джерела енергіїuk
dc.subjectгенеруванняuk
dc.subjectпрогнозуванняuk
dc.subjectбалансuk
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesA. Loureno et al. "Comparison of forecasting models for photovoltaic power generation". Energy Conversion and Management, 118, 2016, 404-418.en
dc.relation.references"Introduction to Machine Learning with Python: A Guide for Data Scientists" by Andreas C. Mller and Sarah Guido (2016)en
dc.relation.referencesA. C. Cadena et al. "Weather Forecasting for Photovoltaic Power Prediction Using Machine Learning Techniques". Energies, 11(6), 2018, 1362.en
dc.date.accessioned2026-11-16T14:55:46Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Завантаження...
Ескіз
Назва:
22125.pdf
Розмір:
610,81 KB
Формат:
Adobe Portable Document Format