5、人工智能与机器学习在可持续能源管理中的最新进展

人工智能与机器学习在可持续能源管理中的最新进展

1. 引言

近年来，各国城市人口日益增多，年轻人为了工作涌入城市，城市规模不断扩大，电力需求也随之上升。与此同时，传统发电方式以化石燃料为主，导致大量温室气体排放，使大气温度持续升高。而可再生能源对环境的影响较小，具有经济实惠、绿色清洁、环保等优点，且有利于人类社会发展。由于其运营成本低、安装便捷，对可再生能源的需求与日俱增。为了保护环境，使用清洁的可再生能源是最佳选择。受传统能源对环境负面影响以及其与气候变化关联的影响，人们对电力的使用兴趣正逐渐转向可再生能源。

2. 文献综述

众多学者在先进能源管理系统领域开展了研究：
- 周武等人探讨了基于RNN、DBN、CNN等的风能预测模型，不同模型在不同预测任务中各有优劣。
- 穆罕默德·法希姆等人提出了基于云的5G - NG - RAN框架，用于分析和理解风电场，结合TCN进行风速预测和发电功率预测，可实时监测风力涡轮机。
- 扬努斯·雅格拉尔兹等人提出PVE算法，用于测试和教学低压单相光伏逆变器，以高精度模拟光伏特性。
- 巴托什·费特林斯基等人分析了5分钟短时光伏系统发电情况，验证输入值并阐述了十种可靠的短时光伏发电方法。
- 丁敏等人提出CSA - PID算法，用于跟踪光伏全局峰值、调节转换器占空比和跟踪CSA速度。
- 郭泰·崔等人概述了人工智能和机器学习在可再生能源领域的最新发展，对能源用户有益。
- 穆罕纳德·阿拉拉吉等人开发了短期太阳能预测模型，有助于储能控制和电网连接管理。
- 萨米·加姆迪等人分析了光伏系统的储能系统，包括充电和放电管理以及不同地区的能源数据分析。
- 本杰明