|
Tim peneliti mengatakan akan bekerja mengumpulkan dan mengevaluasi data tahun ini, kemudian mulai menawarkan perusahaan energi surya dan pembangkit listrik individu sebuah 'model komputer pra-terlatih' untuk menganalisis bagaimana meningkatkan mereka sendiri sistem. Ilmuwan komputer dan pakar teknologi energi di Case Western Research University telah bekerja sama untuk memanfaatkan kecerdasan buatan atau kekuatan diagnostik AI untuk membuat pembangkit listrik tenaga surya lebih efisien. Tenaga surya memanfaatkan energi yang berasal dari matahari yang dikumpulkan oleh modul fotovoltaik atau PV untuk mengembangkan energi bersih dan terbarukan. Para peneliti mengatakan bahwa membuat lebih banyak pembangkit energi surya lebih efisien akan menguntungkan industri dan, tentu saja, konsumen. Menurut Solar Durability and Lifetime Extension Research Center dan Kyocera Professor of Ceramic, Department of Materials Science and Engineering di Case School of Engineering direktur Roger French, solar saat ini adalah "bentuk listrik termurah di dunia." Namun, kemanjuran pembangkit listrik yang sebenarnya sedang dinilai secara bersamaan, dan itu tidak "dapat dikendalikan, terutama untuk industri yang tumbuh cepat." Studi yang memperoleh dana tiga tahun atau setara dengan hibah $750.000 dari Departemen Energi Amerika Serikat ini, merupakan bagian dari upaya teknologi surya komprehensif senilai $130 juta yang diumumkan DOE pada tahun 2020, termasuk $7,3 juta, terutama untuk pembelajaran mesin. inisiatif, serta kecerdasan buatan lainnya untuk aplikasi surya. Profesor asosiasi peneliti Prancis dan Material Science and Engineering Laura Bruckman adalah penulis utama studi ini. Pembelajaran Mesin untuk Energi Surya yang Lebih EfisienPada dasarnya, studi yang dipimpin oleh Case Western Reserve ini bertujuan untuk menggunakan teknologi, khususnya komputer, lebih baik untuk menilai data dari sejumlah besar sistem PV untuk membantu mengukur kinerja jangka pendek dan jangka panjangnya. Pendekatan pembelajaran mesin tersebut akan digunakan untuk memecahkan masalah kualitas data yang berdampak pada masing-masing pabrik. Agar itu terjadi, penulis penelitian mengatakan mereka akan menggunakan "kerangka jaringan saraf grafik spatiotemporal." Metode spatiotemporal berarti menentukan bagaimana pembangkit bekerja secara berbeda dalam ruang dan waktu dan membangun kerangka kerja untuk meningkatkan semua pembangkit listrik PV yang berbeda dalam kelompok tersebut dan sistem masa depan. Mehmet Koyuturk, profesor Ilmu Komputer di Andrew R. Jennings dan salah satu anggota tim, mengatakan karena tidak ada robot untuk mengunjungi semua " pabrik fotovoltaik untuk melihat info dan menentukan pola" kesamaan antara perilaku, semua dari data yang dikumpulkan digunakan sebagai gantinya, untuk bertindak "seolah-olah kita melakukannya." Model Komputer Pra-Terlatih untuk Perusahaan Energi SuryaMenurut Bruckman, perusahaan yang berbeda memiliki informasi tentang teknologi mereka sendiri di wilayah spesifik negara mereka. Namun, hingga saat ini, "kami belum memiliki kesempatan untuk dapat mengumpulkan dan menilai" semua data dari berbagai bidang dan perusahaan. Akhirnya, tim, peneliti, dan Yinghui Wu, salah satu anggota tim, asisten profesor Departemen Ilmu Komputer dan Data, mengatakan penelitian ini akan membantu industri surya dan akhirnya pengguna energi, tetapi juga peneliti AI. Setiap kali sebuah sistem baru untuk memahami data baru dari domain tertentu dibangun, Wu, yang juga merupakan penyelidik bersama pada penelitian yang didanai oleh National Science Foundation , menjelaskan, ini membantu memahami lebih lanjut "ilmu pengetahuan kita sendiri." French menjelaskan, kelompoknya akan bekerja mengumpulkan dan mengevaluasi data tahun ini, kemudian mulai menawarkan perusahaan energi surya dan pembangkit listrik individu sebuah "model komputer pra-terlatih" untuk menganalisis bagaimana meningkatkan sistem mereka sendiri. sumber : https://www.sciencetimes.com/articles/29348/20210127/computer-scientists-energy-tech-experts-collaborate-making-solar-more-efficient.htm
|
