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 71.00
-
29 447 Ft (28 045 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. 2 356 Ft off)
- Kedvezményes ár 27 091 Ft (25 801 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
29 447 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 Hardback
- ISBN 9781681739090
- Kötéstípus Keménykötés
- 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
29 447 Ft
27 091 Ft
