Sürdürülebilir Mühendislik Uygulamaları ve Teknolojik Gelişmeler Dergisi,
Год журнала:
2024,
Номер
unknown
Опубликована: Окт. 25, 2024
Optimizasyon,
tüm
olası
alternatifler
arasından
bir
problemin
en
optimal
çözümünü
belirleme
sürecidir.
Enerji
sistemlerinde
metasezgisel
optimizasyon
algoritmaları,
karmaşık
enerji
problemlerini
çözmede
önemli
rol
oynamaktadır.
Metasezgisel
genetik
algoritmalar,
parçacık
sürü
optimizasyonu,
simüle
edilen
tavlama,
karınca
kolonisi
optimizasyonu
gibi
doğal
süreçlerden
esinlenerek
geliştirilen
ve
genellikle
bilgisayar
tabanlı
modellerle
kullanılan
özel
yöntemleridir.
büyük
veri
setleriyle
çalışabilir
farklı
kısıtlamalar
altında
optimize
edilmesi
gereken
çok
sayıda
değişkeni
ele
alabilirler.
Bu
nedenle
sektöründe
sürdürülebilirlik,
verimlilik
karlılık
açısından
öneme
sahiptirler.
verimliliğini
artırmak,
maliyetini
azaltmak,
üretimi,
dağıtımı,
tüketimi
depolanması
sistemlerinin
bileşenlerini
etmek
için,
yenilenebilir
kaynaklarını
entegre
karbon
ayak
izini
azaltmak
çeşitli
hedeflere
ulaşmak
için
kullanılmaktadırlar.
çalışmada,
sistemleri
uygulamalarında
algoritmalarının
kullanımı
örnekler
üzerinden
incelenmiştir.
algoritmaların
ile
problemlerin
çözümlerinin
daha
kolaya
indirgendiği
görülmüştür.
Energy and AI,
Год журнала:
2024,
Номер
16, С. 100371 - 100371
Опубликована: Апрель 17, 2024
This
paper
proposes
an
integration
of
recent
metaheuristic
algorithm
namely
Evolutionary
Mating
Algorithm
(EMA)
in
optimizing
the
weights
and
biases
deep
neural
networks
(DNN)
for
forecasting
solar
power
generation.
The
study
employs
a
Feed
Forward
Neural
Network
(FFNN)
to
forecast
AC
output
using
real
plant
measurements
spanning
34-day
period,
recorded
at
15-minute
intervals.
intricate
nonlinear
relationship
between
irradiation,
ambient
temperature,
module
temperature
is
captured
accurate
prediction.
Additionally,
conducts
comprehensive
comparison
with
established
algorithms,
including
Differential
Evolution
(DE-DNN),
Barnacles
Optimizer
(BMO-DNN),
Particle
Swarm
Optimization
(PSO-DNN),
Harmony
Search
(HSA-DNN),
DNN
Adaptive
Moment
Estimation
optimizer
(ADAM)
Nonlinear
AutoRegressive
eXogenous
inputs
(NARX).
experimental
results
distinctly
highlight
exceptional
performance
EMA-DNN
by
attaining
lowest
Root
Mean
Squared
Error
(RMSE)
during
testing.
contribution
not
only
advances
methodologies
but
also
underscores
potential
merging
algorithms
contemporary
improved
accuracy
reliability.
AIMS energy,
Год журнала:
2025,
Номер
13(1), С. 35 - 85
Опубликована: Янв. 1, 2025
<p>Concomitant
with
the
expeditious
growth
of
construction
industry,
challenge
building
energy
consumption
has
become
increasingly
pronounced.
A
multitude
factors
influence
operations,
thereby
underscoring
paramount
importance
monitoring
and
predicting
such
consumption.
The
advent
big
data
engendered
a
diversification
in
methodologies
employed
to
predict
Against
backdrop
influencing
operation
consumption,
we
reviewed
advancements
research
pertaining
supervision
prediction
deliberated
on
more
energy-efficient
low-carbon
strategies
for
buildings
within
dual-carbon
context,
synthesized
relevant
progress
across
four
dimensions:
contemporary
state
supervision,
determinants
optimization
Building
upon
investigation
three
predictive
were
examined:
(ⅰ)
Physical
methods,
(ⅱ)
data-driven
(ⅲ)
mixed
methods.
An
analysis
accuracy
these
revealed
that
methods
exhibited
superior
precision
actual
Furthermore,
predicated
this
foundation
identified
determinants,
also
explored
prediction.
Through
an
in-depth
examination
prediction,
distilled
pertinent
accurate
forecasting
offering
insights
guidance
pursuit
conservation
emission
reduction.</p>
