Strom für die Zukunft: Intelligente DC-Spannungssteuerung mit maschinellem Lernen

Die Anwendung von Techniken der sozialen künstlichen Intelligenz (KI) scheint eine wirklich praktikable Lösung zu schaffen, die die Verwaltung und den Betrieb von Mikro-Mikronetzen in potenziellen künftigen Smart-Grid-Netzen verbessern wird. Das primäre Ziel des vorgeschlagenen Systems ist es, erneuerbare Energien bei Schwankungen zu regulieren, um eine gleichmäßige Stromversorgung zu gewährleisten. Daher überwachen wir kontinuierlich die Stromerzeugung der Solarpanels und die Lastnutzung und senden diese Werte an ein maschinelles Lernmodell, um den Schaltzustand des Regelkreises zu kategorisieren. In dem vorgeschlagenen System absorbiert das Solarpanel die Sonnenenergie zu den Spitzenzeiten der Sonne. Wenn die gemessenen Spannungen über einem bestimmten festen Wert liegen, wird die Spannung an die Last geliefert. Liegt die vom Solarpanel gelieferte Spannung unter dem festgelegten Wert, reicht sie nicht aus, um an die Last geliefert zu werden. Hier spielt die Einbeziehung des maschinellen Lernens eine wichtige Rolle. Der Strommangel wird durch maschinelles Lernen erkannt. Dann wird die Spannung für die Last vom SMPS bereitgestellt. Der KNN-Algorithmus verfügt über eine Reihe von vordefinierten Daten, die bei Tests gesammelt wurden und die für die Bereitstellung der Spannung für die Last herangezogen werden...

Autorentext

La Dra. J. Karthika trabaja como profesora asociada en Sri Krishna College of Engineering & Technology, Coimbatore, Tamil Nadu, India. Recibió su doctorado de la Facultad de Ingeniería Eléctrica de la Universidad Anna, Chennai en 2018 y M.E(AE) de la Universidad Anna, Chennai en el año 2007. Recibió su B.E en Ingeniería Eléctrica.