یک مطالعه مروی برای اثر استفاده از ماشین لرنینگ در سامانه های انرژی پاک

به طور گسترده ای در مدل سازی، طراحی و پیش بینی سیستم های انرژی از (ML) استفاده می شود. در طیچند دهه گذشته، انواع مدل های ML برای سیستم های انرژی افزایش چشمگیری داشته اند. در این مقاله وضعیتمدل های ML مورد استفاده در سیستم های انرژی به همراه یک طبقه بندی جدید از مدل ها و برنامه ها ارائهشده است. از طریق یک روش جدید، مدلهای ML با توجه به تکنیک مدل سازی ML ، نوع انرژی و منطقه کاربردطبقه بندی می شوند. علاوه بر این، یک بررسی جامع از پیشینه تحقیق منجر به ارزیابی عملکرد مدلهای ML درسامانه پاک شده است. این مقاله مدل های یادگیری ماشین بیشتر نتیجه می گیرد که یک افزایش چشمگیر دردقت ، استحکام و قابلیت تعمیم مدلهای ML در سیستم های انرژی با استفاده از مدل های ترکیبی ML مانندشبکه های عصبی مصنوعی (ANN) و عصب فازی (ANFIS) وجود دارد. گزارش شده است که هیبریداسیون درپیشرفت مدل های پیش بینی شده به ویژه برای سیستم های انرژی تجدیدپذیر ، به عنوان مثال ، انرژی خورشیدی،انرژی باد و سوخت های زیستی موثر است. علاوه بر این ، پیش بینی تقاضای انرژی با استفاده از مدل های ترکیبیML بسیار به بهره وری کمک کرده است. در این مقاله، همچنین، سرعت و دقت انواع مدل های ML در سیستمهای انرژی مورد مطالعه قرار گرفته می شود.

Keywords:

سیستم های انرژی , یادگیری ماشین (ML) , سیستم های انرژی تجدید پذیر , انفورماتیک انرژی