هوش مصنوعی برای سیستم‌های انرژی تجدیدپذیر ۲۰۲۲
Artificial Intelligence for Renewable Energy Systems 2022

هوش مصنوعی برای سیستم‌های انرژی تجدیدپذیر به حرکت چشمگیر صنایع انرژی از تولید برق سنتی به یک سیستم انرژی تجدیدپذیر مقرون‌به‌صرفه می‌پردازد، و مهم‌تر از آن، تغییر الگوی از هزینه‌ی کالای مبتنی بر بازار به پیشرفت‌های فناوری مبتنی بر بازار را بررسی می‌کند. این کتاب با ارائه آخرین تحولات و کاربردهای پیشرفته هوش مصنوعی در طراحی سیستم‌های انرژی تجدیدپذیر، تأکید می‌کند که چگونه هوش مصنوعی از پیش‌بینی مؤثر برای تولید انرژی، پیش‌بینی تلفات خطوط مرتبط با شبکه برق، پیش‌بینی بار و پیش‌بینی جلوگیری از خرابی تجهیزات پشتیبانی می‌کند.

این مجلد با بررسی رویکردها در مدل‌سازی سیستم و پیش‌بینی عملکرد سیستم‌های انرژی تجدیدپذیر، به سیستم‌های تولید برق، سیستم‌های خدمات ساختمانی و فرآیندهای احتراق می‌پردازد و پیشرفت‌ها در یادگیری ماشینی، شبکه‌های عصبی مصنوعی، منطق فازی، الگوریتم‌های ژنتیک و سازوکارهای ترکیبی را مورد بررسی قرار می‌دهد.

• شامل کاربردهای بی‌درنگ است که هوش مصنوعی و یادگیری ماشینی را برای سیستم‌های تجدیدپذیر مختلف نشان می‌دهد
• دارای یک رویکرد قالب‌بندی شده است که می‌تواند برای بررسی نتایج مورد استفاده قرار گیرد، با پیامدهای علمی که به دنبال آن مطالعات موردی مفصل می‌آیند
• قابلیت‌ها و تنوع محاسباتی برای طراحی سیستم تجدیدپذیر را پوشش می‌دهد

Artificial Intelligence for Renewable Energy Systems addresses the energy industries remarkable move from traditional power generation to a cost-effective renewable energy system, and most importantly, the paradigm shift from a market-based cost of the commodity to market-based technological advancements. Featuring recent developments and state-of-the-art applications of artificial intelligence in renewable energy systems design, the book emphasizes how AI supports effective prediction for energy generation, electric grid related line loss prediction, load forecasting, and for predicting equipment failure prevention.

Looking at approaches in system modeling and performance prediction of renewable energy systems, this volume covers power generation systems, building service systems and combustion processes, exploring advances in machine learning, artificial neural networks, fuzzy logic, genetic algorithms and hybrid mechanisms.

• Includes real-time applications that illustrates artificial intelligence and machine learning for various renewable systems
• Features a templated approach that can be used to explore results, with scientific implications followed by detailed case studies
• Covers computational capabilities and varieties for renewable system design