CN115693909A - 再生能源融合型智能农场综合管理*** - Google Patents
再生能源融合型智能农场综合管理*** Download PDFInfo
- Publication number
- CN115693909A CN115693909A CN202111183670.8A CN202111183670A CN115693909A CN 115693909 A CN115693909 A CN 115693909A CN 202111183670 A CN202111183670 A CN 202111183670A CN 115693909 A CN115693909 A CN 115693909A
- Authority
- CN
- China
- Prior art keywords
- data
- intelligent farm
- energy
- management system
- integrated management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明涉及一种再生能源融合型智能农场综合管理***。根据实施例的用于提高智能农场能源运营效率的综合管理***包括:再生能源融合***,包括太阳光发电设备监控***和地热监控***;以及环境数据监控***,并且所述综合管理***收集和分析两种以上的再生能源融合数据和智能农场内部以及外部环境数据以执行智能农场的综合管理。另外,将从智能农场中收集的一系列数据转换为数据库,并分析智能农场每个区域的数据变化趋势,使得可以预测能源需求。同时,在实施例中,通过太阳热和地热能源的融合向智能农场供应能源,从而提高智能农场的能源消耗效率。
Description
技术领域
本公开涉及一种将可在智能农场中收集的两种以上的再生能源融合并综合管理智能农场中构建的设备的***,具体地,涉及一种将智能农场中构建的太阳光发电设备、地热***、环境传感器互联来收集监控数据,并融合包括太阳光和地热的再生能源以提供,从而实现能源效率增加以及能源需求预测的智能农场综合管理***。
背景技术
除非本说明书中有明确指出,否则在该部分中说明的内容不属于本申请权利要求的现有技术,并且包括在该部分中不代表属于现有技术。
智能农场(Smart Farm)是在农林畜水产品的生产、加工、流通环节结合信息通信技术(ICT)的智能农业***,是利用物联网、大数据、人工智能等技术,适当地维护农作物、家畜及水产品等的生育环境,并通过PC和智能手机等远程自动管理的技术。在现有技术中,通过利用ICT技术的智能农场技术,基于针对温度、相对湿度、光量、二氧化碳、土壤等环境信息和生育信息的准确数据,可以在每个生育阶段进行精密的管理和预测,并且可以提高产量和质量以提高收益性。
尤其,当太阳光发电设备监控***、地热设备监控***、环境数据监控***结合为一时,可以最小化设施园艺的运营风险,并且可以提高设施园艺内消耗的能源效率。但是,在当前智能农场管理的情况下,由于是以环境和设备***为单位单独使用的,因此降低了用户运营效率的改善以及利用率,对于再生能源设备的***也仅仅是单独存在的。因此,需要一种在构建两种以上的再生能源时,可以综合管理构建的能源的***。
另外,在现有技术中,由于再生能源设备构建厂家、环境传感器等设备组成厂家都各不相同,因此未能开发出对数据进行系列化和集成的***。
发明内容
(一)要解决的技术问题
根据实施例的用于提高智能农场能源运营效率的综合管理***,包括:再生能源融合***,包括太阳光发电设备监控***和地热监控***;以及环境数据监控***,并且所述综合管理***收集和分析两种以上的再生能源融合数据和智能农场内部以及外部环境数据以执行智能农场的综合管理。
另外,基于从智能农场收集的一系列数据建立数据库,并分析智能农场每个区域的数据变化趋势,使得可以预测能源需求。同时,在实施例中,通过太阳热和地热能源的融合向智能农场供应能源,从而提高智能农场的能源消耗效率。
(二)技术方案
根据实施例的智能农场综合管理***,包括:数据收集模块,从安装在智能农场每个区域的传感器收集感测数据;数据转换模块,利用收集的感测数据构建数据库,并通过利用已收集的数据的元数据的日历化,按时期转换和分类数据;视觉化模块,根据分类标准和元数据对分类和转换后的数据进行区分以视觉化;数据分析模块,分析收集的数据根据收集区域和时间变化的趋势;以及能源融合模块,融合从智能农场收集的太阳能、热能以及地热能。
(三)有益效果
根据如上所述的用于提高智能农场能源运营效率的再生能源融合综合管理***,在包括玻璃温室和塑料温室的智能农场中,通过监控环境数据、再生能源数据来制定农作物生育操作计划,从而可以得出最优操作方案。
另外,通过对设备的持续监控来制定设备维护计划,以增加设备使用寿命,从而可以减少维护费用。
另外,通过实时收集和监控环境数据,在农作物环境异常时能够立即应对,从而可以实现稳定的农场运营。
本发明的效果不限于所述效果,应理解为包括可由本发明的详细说明或权利要求书中记载的发明的结构推理的所有效果。
附图说明
图1是示出根据实施例的智能农场***的图。
图2是示出根据实施例的智能农场综合管理***的数据处理块的图。
图3是示出根据实施例的能源自主型智能农场***的图。
图4是用于说明根据实施例的智能农场综合***的太阳光设备测量数据提取过程的图。
图5是示出根据实施例提取的太阳光设备数据形式的图。
图6是示出地热设备测量实施例的图。
图7是示出根据实施例的设备测量数据形式的图。
图8是示出根据实施例的智能农场中安装的传感器和收集的数据形式的图。
图9是示出根据实施例的智能农场中设置的环境传感器和测量的数据形式的图。
具体实施方式
本发明的优点和特征以及实现它们的方法将通过参照附图和下面详细描述的实施例而变得清楚。但是本发明不限于下面公开的实施例,可以通过各种不同的形式来实现,本实施例只是为了使本发明的公开完整,并向本发明所属领域的普通技术人员完整地说明发明的范围而提供的,本发明仅由权利要求的范围定义。在整个说明书中相同的附图标记表示相同的组件。
在说明本发明的实施例时,如果对于公知功能或结构的具体说明被判断为可能会模糊本发明的要旨,则将省略对其的详细说明。另外,下面描述的术语是考虑到本发明实施例中的功能而定义的术语,其可以根据用户和操作人员的意图或惯例而变化。因此,应根据本说明书的整个内容对其进行定义。
图1是示出根据实施例的智能农场***的图。
参照图1,智能农场***可以包括:通信网络、包括内部环境传感器和外部环境传感器的传感器网络、数据收集装置、服务器平台、太阳光发电设备、地热设备、太阳光能源监控装置、太阳光设备监控装置、地热能源监控装置、地热设备监控装置以及智能农场综合管理***等。
在实施例中,智能农场中构建的通信网络收集太阳光发电设备、地热设备等的数据。传感器网络包括测量智能农场外部环境信息的气象、温度、湿度、日射量、降雨量、风向、风速等传感器网络和测量智能农场内部环境信息的气象、温度、湿度传感器网络。数据收集装置通过传感器网络和通信网络收集用于收发数据的数据。大数据处理单元基于云来处理通过通信网收集的数据并存储。智能农场数据库存储从传感器网络、通信网络和基于云的大数据处理单元收集的数据。
在实施例中,基于地理信息的位置信息***执行智能农场的综合管理,并且智能农场综合管理***集成收集的数据以视觉化。另外,智能农场综合管理***包括:引擎,可以提取所述环境数据和再生能源融合数据,以搜索智能农场的环境数据和再生能源融合数据。
根据实施例的智能农场综合管理***使用可与韩国能源署REMS联动的已认证的RTU水平的数据收集装置,以针对再生能源设备数据实现数据的系列化。另外,传感器网络可以为智能农场的每个区域标记传感器节点,并且通过与智能农场内部的其他传感器的数据比较进行错误检测。
另外,根据实施例的智能农场综合管理***提供通过基于GIS的模块实时确认对应智能农场的位置并且可以首次确认环境数据和再生能源融合数据的服务。根据实施例的智能农场综合管理***提供已收集的数据的履历管理以及可对其进行报告的统计分析服务。同时,智能农场综合管理***包括可以响应于数据库中收集的数据的共享请求的API。
图2是示出根据实施例的智能农场综合管理***的数据处理块的图。
参照图2,根据实施例的智能农场综合管理***可以包括:数据收集模块110、数据转换模块120、视觉化模块130、数据分析模块140、能源需求预测模块150、能源融合模块160以及能源供应模块170。本说明书中使用的术语“模块”应根据使用术语的上下文被解释为可以包括软件、硬件或其组合。例如,软件可以是机器语言、固件(firmware)、嵌式码(embedded code)以及应用软件。作为另一示例,硬件可以是电路、处理器、计算机、集成电路、集成电路核心、传感器、微电子机械***(Micro-Electro-Mechanical System,MEMS)、被动装置或其组合。
数据收集模块110从智能农场每个区域设置的传感器中收集感测数据。例如,数据收集模块110通过设置在智能农场中的传感器标签识别局部数据收集区域,并监控传感器数据的变动趋势以及传感器操作状态是否异常。具体地,数据收集模块110可以从在智能农场的农场区域、土地区域、大棚内部区域、太阳光区域等中设置的传感器中收集诸如温度、湿度的环境感测数据和吸收的热能、地热能等能源数据以及农作物生长信息等。另外,数据收集模块110可以设置每个传感器值的阈值以执行收集数据错误检测,并且可以执行对于每个传感器值的日平均值、最大值、最小值以及总和计算。
另外,根据实施例的数据收集模块110利用机器学习技术提取持续快速变化的感测数据的特征,并通过适当的算法对其进行建模以检测异常数据。例如,数据收集模块110将收集到的数据按相似值进行分组。然后,设置区域并对数据进行边界建模(boundarymodeling)分成正常数据和异常数据两种。具体地,在实施例中,可以使用四分位数来设置正常数据的范围。四分位数是将数据分成四等分的,是当把统计的变量整理为度数分布时,从少到1/4、1/2、3/4位置的变量。另外,四分位数是在任意概率变数轴上将概率分布分成四等分的值的组合,也可以是在任意概率变数轴上将概率分布分成四等分的值的组合。在实施例中,可以对包括温度、湿度、能源、电流、电压的测量数据设置四分位数,检测误操作或通信故障的异常数据。
另外,在实施例中,自动提取重要特征并对数据进行预处理,然后通过机器学习模型学习模块传递提取的重要要素的数据。之后,使用各种建模技术生成机器学习模型,并通过评估选择合适的模型。经预处理的数据学习的机器学习模型将用于检测异常数据。
具体地,数据收集模块110将收集的数据输入到AutoML并分析后,根据分类标准获得适合机器学习的特征重要性。之后,利用AutoML的结果值生成机器学习模型的学习数据。数据收集模块110在利用AutoML之前对数据执行基本的离散化、空值去除、误差值去除等预处理。之后,将数据输入到AutoML。基于由AutoML提取的特征重要性再次修改数据。
数据转换模块120利用收集的数据构建数据库,并通过利用已收集的数据的元数据的日历化,按时期转换和分类数据。例如,数据转换模块120经过收集数据分散并行预处理后构建数据库,并从构建的数据库中区分包括时序和区域的元数据使其能够视觉化。通过这种方式,可按日、月、年对收集的数据进行日历化,从而可以搜索每个时期的能源和环境数据。另外,可以通过基于GIS的每个发电区域的能源环境数据搜索和数据利用实现能源需求预测。在实施例中,通过能源需求预测得出智能农场的能源应用方案,使得可以提高智能农场的能源效率。
视觉化模块130根据分类标准和元数据对分类和转换后的数据进行区分以视觉化。
数据分析模块140分析收集的数据根据收集区域和时间变化的趋势。
根据实施例的数据分析模块140提供用于火灾监测***、水质管理***、农作物种植***等基于USN的监控应用中实时情况认知的有效的传感器数据处理技术。诸如传感器数据的流数据具有收集的数据流随时间快速变化且连续的特性。在实施例中,为了数据的实时异常值检测和数据的多维管理,提出并构建了对大容量的连续的感测数据的实时获取、加工、存储以及管理方法,并以此为基础,有效地执行来自应用服务的多维分析质疑。为此,使用了作为现有数据库以及数据仓库***中的在线分析处理(On-Line AnalyticalProcessing,OLAP)数据模型的数据立方体。但是,当由于传感器数据的连续且大容量的特性而发生数据立方体生成时需要考虑的问题时,在实施例中通过基于加权值的启发式接入方法来解决问题。为此,通过基于USN的应用模型分析来选择实际需要支持多维分析质疑的应用以进行研究。另外,通过用于支持多维分析质疑的流数据特征分析、压缩技术以及数据存储模型来支持有效的多维分析质疑。
另外,在实施例中,可以使用基于渐进学习的实时异常值检测方法作为错误数据检测方法。在基于USN的监控应用中产生的异常值有时会导致严重的后果。因此,传感器数据处理***应支持管理人员和***对异常值做出准确的决策。尤其,诸如传感器数据的大容量连续数据的判断标准随时间变化的可能性较高,存在需要实时进行决策的问题。因此,在实施例中提供一种使用集成(Ensemble)分类器实时检测异常值的方法。所提出方法提供一种在适应性数据立方体模型中构建用于支持流数据的实时决策的基于学习的模型,并利用分类器对周期性输入的传感器数据进行有效分类的异常值检测方法以及应用其的传感器数据处理***。
即,通过学习构建正常范围内传感器数据的模型,并实时监控异常范围内传感器数据,从而可以主动提供对于USN应用中异常事件的信息。另外,为了对流数据进行分类,需要根据时间更新模型。为此采用使用集成分类器的方法。所述方法是从数据流的连续片段中训练集成或分类器的组。即,每当有新的数据流到达时,构建新的分类器。因此,通过实施例可以提供一种传感器数据处理***,其通过使用集成分类器提供异常值检测功能以基于学习检测异常值,并由此智能辅助对周期性添加的每个传感器数据的决策,并提供高维信息。同时,在实施例中提供的传感器数据处理***渐进地反映变化的判断标准,从而可以支持快速响应速度。
能源需求预测模块150通过分析收集的数据根据收集区域和时间变化的趋势,预测智能农场每个区域的能源需求。
能源融合模块160融合从智能农场收集的太阳光能源、太阳热能源以及地热能源。在实施例中,能源融合模块160可以包括利用太阳的辐射能源同时生产热和电的光伏热(PhotoVoltaic-Thermal,PVT)集热器、太阳热和地热热泵***。
能源供应模块170根据能源需求的预测结果向智能农场每个区域供应融合的再生能源。在实施例中,能源供应模块170使用了综合应用罐蓄热(TTES)和地下蓄热(BTES)使得季节间负载平均化的季节性蓄热槽***。
图3是示出根据实施例的能源自主型智能农场***的图。根据实施例的智能农场综合***是,为了实现能源自主型智能农场,将在塑料大棚等设施或安装机械装置的设施农场中使用的能源从化石燃料替换为太阳光热、地热等各种新再生能源以储存和供应能源的环保且高效的未来型温室。参照图3,提供一种根据实施例的应用复合季度蓄热式太阳热和地热源热泵的再生能源融复合***智能农场。在实施例中,利用太阳辐射能源产生热的太阳热***中存在季节间能源生产和消费不平衡的缺点。集热器在夏季产生的热最多,但冬季的取暖和供热水的消耗量最高。季度蓄热***就是为了解决这种季节间的不平衡,而将春季到秋季产生的热储存起来并在冬季供应的***。
在实施例中,智能农场的能源自主是通过能源融合实现的。具体地,通过实施例可以提供一种可以负责80%的暖气负载和50%以上的冷气负载的应用复合季度蓄热式太阳热和地热源热泵的再生能源融复合***。另外,提供一种将每年的能源成本降低70%以上的综合能源***。
图4是用于说明根据实施例的智能农场综合***的太阳光设备测量数据提取过程的图。
参照图4,在实施例中提供再生能源融合数据,并且为了收发数据的轻量化,提供智能农场的每个再生能源设备的数据协议。如图4所示,在实施例中,为了太阳光设备的测量,可以通过将逆变器的输入端和输出端设置为测量点来提取太阳光设备数据。
图5是示出根据实施例提取的太阳光设备数据形式的图。
参照图5,在实施例中设置每个能源的测量点和数据形式,并且从逆变器的输入/输出端提取单相数据、三相数据以及故障状态数据。在实施例中,在逆变器的输入端和输出端测量的数据可以包括电压、电流、***电压、***电流、逆变器温度、***过电压等。在测量数据之后,可将提取的数据转换为单相数据形式(a)、三相数据形式(b)以及故障状态数据形式(c)。
图6是示出地热设备测量实施例的图,图7是示出根据实施例的设备测量数据形式的图。
参照图6,根据实施例的智能农场综合管理***为了地热设备的测量,将热泵以及蓄热槽的输入端和输出端设置为地热设备测量点,并在地热设备测量点测量地热设备的相关数据。在实施例中,在地热设备测量点测量地热水入口和出口温度和冷温水入口和出口温度,并且可以测量电量计、热泵、冷暖气侧-入口和出口温度以及供热水侧-入口和出口温度。在实施例中,如图7所示,在地热设备的测量之后,可以根据设定的协议将测量数据转换为地热设备测量数据形式(a)以及故障状态数据形式(b)。
根据如上所述的用于提高智能农场能源运营效率的再生能源融合综合管理***,在包括玻璃温室和塑料温室的智能农场中,通过监控环境数据、再生能源数据来制定农作物生育操作计划,从而可以得出最优操作方案。
图8是示出根据实施例的智能农场中安装的传感器和收集的数据形式的图。
参照图8,在实施例中,可以在智能农场设施园艺内部设置用于测量农作物的生长状态和内部环境的传感器(a)。设置在设施园艺内部的传感器(a)作为内部气象环境传感器,可以感测大气中氧气、氮气的含量以及温湿度等。另外,如图8的(b)所示,可以预设根据每个传感器测量数值的有效数据范围,以在检测到异常数据时,给管理员传递可靠的异常通知。
图9是示出根据实施例的智能农场中设置的环境传感器和测量的数据形式的图。
参照图9,根据实施例的外部环境传感器(a)设置在智能农场外部并且感测包括室外温湿度、瞬时风速、日/周/月/年降雨量、日射量、紫外线指数、体感温度等的外部环境信息。如图9的(b)所示,在实施例中,可以预设对于每个测量数值的有效数据范围,以在感测的外部环境信息没有包括在有效数据范围内时,将其视为异常信号并通知管理员,从而可以最小化自然灾害造成的农场损失。
根据实施例的智能农场综合管理***,将智能农场中构建的太阳光发电设备、地热***、环境传感器互联来收集监控数据,并融合包括太阳光和地热的再生能源并提供,从而实现能源效率的增加以及能源需求的预测。另外,通过对设备的持续监控来制定维护计划,以增加设备使用寿命,从而可以减少维护费用。同时,通过实时收集和监控环境数据,在农作物环境异常时能够立即应对,从而可以实现稳定的农场运营。
公开的内容仅仅是示例,本发明所属技术领域的普通技术人员可以在不超出权利要求书请求保护的权利要求的要旨的情况下进行各种变更,因此,公开内容的保护范围不限于上述特定实施例。
Claims (7)
1.一种智能农场综合管理***,包括:
数据收集模块,从安装在智能农场每个区域的传感器收集感测数据;
数据转换模块,利用收集的感测数据构建数据库,并通过利用已收集的数据的元数据的日历化,按时期转换和分类数据;
视觉化模块,根据分类标准和元数据对分类和转换后的数据进行区分以视觉化;
数据分析模块,用于分析收集的所述数据根据收集区域和时间变化的趋势;以及
能源融合模块,融合从智能农场收集的太阳光能源、太阳热能源以及地热能源。
2.根据权利要求1所述的智能农场综合管理***,其特征在于,
所述智能农场综合管理***进一步包括:
能源需求预测模块,通过分析收集的数据根据收集区域和时间变化的趋势,预测智能农场每个区域的能源需求。
3.根据权利要求1所述的智能农场综合管理***,其特征在于,
所述智能农场综合管理***进一步包括:
能源供应模块,根据能源需求的预测结果向智能农场每个区域供应融合的再生能源。
4.根据权利要求1所述的智能农场综合管理***,其特征在于,
所述数据收集模块通过设置在智能农场中的传感器标签识别局部数据收集区域,并监控传感器数据的变动趋势以及传感器操作状态是否异常。
5.根据权利要求4所述的智能农场综合管理***,其特征在于,
所述数据收集模块设置每个传感器值的阈值以执行收集数据错误检测,并执行对于每个传感器值的日平均值、最大值、最小值以及总和计算。
6.根据权利要求1所述的智能农场综合管理***,其特征在于,
所述能源融合模块包括利用太阳光能源发电的光伏板、太阳热以及地热热泵***。
7.根据权利要求3所述的智能农场综合管理***,其特征在于,
所述能源供应模块使用综合应用罐蓄热和地下蓄热使得季节间负载平均化的季节性蓄热槽***。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2021-0096575 | 2021-07-22 | ||
KR1020210096575A KR102422807B1 (ko) | 2021-07-22 | 2021-07-22 | 재생에너지 융합형 스마트팜 통합관리시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115693909A true CN115693909A (zh) | 2023-02-03 |
Family
ID=82609234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111183670.8A Pending CN115693909A (zh) | 2021-07-22 | 2021-10-11 | 再生能源融合型智能农场综合管理*** |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102422807B1 (zh) |
CN (1) | CN115693909A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102652407B1 (ko) | 2023-05-31 | 2024-03-29 | 세한에너지 주식회사 | 재생에너지를 이용한 스마트팜 시스템 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5104567B2 (ja) * | 2007-12-21 | 2012-12-19 | 富士電機株式会社 | エネルギー需要予測装置 |
KR102174466B1 (ko) * | 2016-11-28 | 2020-11-04 | 한국전자통신연구원 | 스마트팜 운용장비의 오류 진단 방법 및 장치 |
KR20200063511A (ko) * | 2018-11-28 | 2020-06-05 | 주식회사 지에스씨 | 시설하우스용 태양광 연계 에너지 저장시스템(ess)을 포함하는 에너지 자립형 시설농업용 제어시스템 |
-
2021
- 2021-07-22 KR KR1020210096575A patent/KR102422807B1/ko active IP Right Grant
- 2021-10-11 CN CN202111183670.8A patent/CN115693909A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
KR102422807B1 (ko) | 2022-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | A PV power interval forecasting based on seasonal model and nonparametric estimation algorithm | |
Huang et al. | Photovoltaic agricultural internet of things towards realizing the next generation of smart farming | |
Zargar et al. | Development of a Markov-chain-based solar generation model for smart microgrid energy management system | |
Sutikno et al. | Internet of things-based photovoltaics parameter monitoring system using NodeMCU ESP8266 | |
Mekonnen et al. | Iot sensor network approach for smart farming: An application in food, energy and water system | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和*** | |
KR102230548B1 (ko) | Frbfnn 모델을 이용한 태양광 발전설비의 발전예측 및 효율진단 시스템 | |
Oprea et al. | Mind the gap between PV generation and residential load curves: Maximizing the roof-top PV usage for prosumers with an IoT-based adaptive optimization and control module | |
Khare et al. | Solar energy system concept change from trending technology: A comprehensive review | |
Suryono et al. | A fuzzy rule-based fog–cloud computing for solar panel disturbance investigation | |
KR102549096B1 (ko) | 탄소중립을 위해 화석연료를 이용하여 생성된 첨두 전력을 줄일 수 있는 발전 제어 시스템 | |
Ramu et al. | An IoT‐based smart monitoring scheme for solar PV applications | |
Li et al. | Photovoltaic array prediction on short-term output power method in centralized power generation system | |
Porras et al. | A comparative analysis of intelligent techniques to predict energy generated by a small wind turbine from atmospheric variables | |
KR102064083B1 (ko) | 발전 시스템의 이상 유무 판단 장치 및 방법 | |
CN115693909A (zh) | 再生能源融合型智能农场综合管理*** | |
Ge et al. | Improved adaptive gray wolf genetic algorithm for photovoltaic intelligent edge terminal optimal configuration | |
Ponnalagarsamy et al. | Impact of IoT on renewable energy | |
KR102572167B1 (ko) | 탄소중립을 위해 신재생 에너지를 이용하여 첨두 전력을 줄일 수 있는 발전제어 시스템 | |
Adigüzel et al. | Design and development of data acquisition system (DAS) for panel characterization in PV energy systems | |
Dimd et al. | Ultra-short-term photovoltaic output power forecasting using deep learning algorithms | |
TW201727559A (zh) | 再生能源電廠的管理方法與系統 | |
Onaolapo | Reliability study under the smart grid paradigm using computational intelligent techniques and renewable energy sources. | |
CN114266471A (zh) | 一种面向冷热电多能流耦合综合能源的能效评价方法 | |
CN108876078B (zh) | 计算耗能***性能的改善策略的方法和耗能***监控装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |