Автори | Avinash Kumar1, Chetan More2, Namita K. Shinde2, Nikale Vasant Muralidhar3, Anurag Shrivastava4, Ch. Venkata Krishna Reddy5, P. William6 |
Афіліація |
1Guru Gobind Singh Educational Society's Technical Campus, Bokaro Jharkhand- 827013, Jharkhand University of Technology, Ranchi, India 2Department of E&TC, Bharati Vidyapeeth (Deemed to be University) College of Engineering, Pune, India 3Department of Physics, Rayat Shikshan Sanstha's Dada Patil Mahavidyalaya, Karjat Dist Ahmednagar, Maharashtra, India 4Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Chennai, Tamilnadu, India 5Department of Electrical and Electronics Engineering, Chaitanya Bharathi Institute of Technology, Hyderabad, India 6Department of Information Technology, Sanjivani College of Engineering, SPPU, Pune, India |
Е-mail | william160891@gmail.com |
Випуск | Том 15, Рік 2023, Номер 4 |
Дати | Одержано 14 червня 2023; у відредагованій формі 18 серпня 2023; опубліковано online 30 серпня 2023 |
Цитування | Avinash Kumar, Chetan More, Namita K. Shinde, та ін., Ж. нано- електрон. фіз. 15 № 4, 04022 (2023) |
DOI | https://doi.org/10.21272/jnep.15(4).04022 |
PACS Number(s) | 88.05.Np |
Ключові слова | Електромагнітне випромінювання (3) , Енергоспоживання (3) , Машинне навчання (ML), Лінійний дискримінантний аналіз (LDA), Байєсівський метод із розширеним масштабуванням атрибутів (EASNB). |
Анотація |
Використовуючи складний алгоритм машинного навчання (ML), це дослідження розглядає напрямок генерації відновлюваної енергії на основі розподіленого електромагнітного випромінювання та його зв’язок із споживанням традиційних джерел енергії. Для аналізу здійсненності стратегії проектування енергетичної системи може бути використана модель прогнозування відновлюваної енергії з довгостроковим горизонтом. У цій роботі пропонується розширений байєсівський метод (EASNB) для оцінки сталої відновлюваної енергії. Для цього дослідження спочатку збирався набір даних про відновлювані джерела енергії, а потім нормалізовували фактичні дані на етапі попередньої обробки, щоб отримати точну оцінку енергії. Потім відповідні атрибути з попередньо оброблених даних витягувалися за допомогою лінійного дискримінантного аналізу (LDA). Отже, ефективна оцінка стійкої відновлюваної енергії здійснюється за допомогою запропонованого підходу EASNB. Спроможність запропонованого методу вимірюється за значенням R2, MASE, AMRE, показниками точності та порівнюється з існуючими підходами. Результати цього дослідження показують, що коли мова йде про оцінку сталої відновлюваної енергії, наш метод працює краще, ніж ті, які зараз використовуються. Здорове навколишнє середовище є результатом визначення точного та відповідного споживання енергії та сприяння використанню сталої енергії. Майбутні оцінки очікують, що споживання відновлюваної енергії складе приблизно 79,03 ЕДж у 2025 році, а також 55% виробництва енергії в середньому в 2040 році. |
Перелік цитувань |