Machine Learning for Solar Array Monitoring, Optimization, and Control
Sorozatcím: Synthesis Lectures on Engineering, Science, and Technology;
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 49.00
-
20 322 Ft (19 355 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 1 626 Ft off)
- Kedvezményes ár 18 697 Ft (17 807 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
20 322 Ft
Beszerezhetőség
Bizonytalan a beszerezhetőség. Érdemes még egyszer keresni szerzővel és címmel. Ha nem talál másik, kapható kiadást, forduljon ügyfélszolgálatunkhoz!
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Morgan & Claypool Publishers
- Megjelenés dátuma 2020. augusztus 30.
- Kötetek száma Paperback
- ISBN 9781681739076
- Kötéstípus Puhakötés
- Terjedelem91 oldal
- Méret 235x191 mm
- Nyelv angol 0
Kategóriák
Rövid leírás:
Develops machine learning and neural network algorithms for fault classification. In addition, the authors use weather camera data for cloud movement prediction using kernel regression techniques which serves as the input that guides topology reconfiguration.
TöbbHosszú leírás:
The efficiency of solar energy farms requires detailed analytics and information on each panel regarding voltage, current, temperature, and irradiance.
Monitoring utility-scale solar arrays was shown to minimize the cost of maintenance and help optimize the performance of the photo-voltaic arrays under various conditions. We describe a project that includes development of machine learning and signal processing algorithms along with a solar array testbed for the purpose of PV monitoring and control. The 18kW PV array testbed consists of 104 panels fitted with smart monitoring devices. Each of these devices embeds sensors, wireless transceivers, and relays that enable continuous monitoring, fault detection, and real-time connection topology changes. The facility enables networked data exchanges via the use of wireless data sharing with servers, fusion and control centers, and mobile devices. We develop machine learning and neural network algorithms for fault classification. In addition, we use weather camera data for cloud movement prediction using kernel regression techniques which serves as the input that guides topology reconfiguration. Camera and satellite sensing of skyline features as well as parameter sensing at each panel provides information for fault detection and power output optimization using topology reconfiguration achieved using programmable actuators (relays) in the SMDs. More specifically, a custom neural network algorithm guides the selection among four standardized topologies. Accuracy in fault detection is demonstrate at the level of 90+&&&37; and topology optimization provides increase in power by as much as 16% under shading.
Machine Learning for Solar Array Monitoring, Optimization, and Control
20 322 Ft
18 697 Ft
Numerical Calculation for Physics Laboratory Projects Using Microsoft EXCEL?
38 157 Ft
35 104 Ft
