دوره 6، شماره 4 - ( 10-1403 )                   جلد 6 شماره 4 صفحات 8-1 | برگشت به فهرست نسخه ها

‎ 10.47176/alkhass.6.4.1

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Basiratpour A H, Safieddin Ardabili S M, Zaki Dizji H. An overview of the application of artificial intelligence in renewable energy management. alkhass 2024; 6 (4) :1-8
URL: http://alkhass.srpub.org/article-4-279-fa.html
بصیرت پور امیر حسین، صفی الدین اردبیلی سید محمد، زکی دیزجی حسن. مروری بر کاربرد هوش مصنوعی در مدیریت انرژی‌های تجدیدپذیر. آلخاص؛ نشریه محیط زیست ،کشاورزی و علوم زیستی. 1403; 6 (4) :1-8

URL: http://alkhass.srpub.org/article-4-279-fa.html

مروری بر کاربرد هوش مصنوعی در مدیریت انرژی‌های تجدیدپذیر
امیر حسین بصیرت پور1 ، سید محمد صفی الدین اردبیلی*2 ، حسن زکی دیزجی3
1- گروه کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران.
2- دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه شهید چمران اهواز، اهواز، ایران. ، m.safieddin@scu.ac.ir
3- دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه شهید چمران اهواز، اهواز، ایران.
چکیده:   (74 مشاهده)
ادغام هوش مصنوعی (AI) در سیستم‌های انرژی پایدار و تجدیدپذیر به یک محرک محوری برای افزایش بهره‌وری، کاهش هزینه‌ها و غلبه بر چالش‌های پیچیده تبدیل شده است. این بررسی با هدف تجمیع پیشرفت‌های اخیر در کاربردهای هوش مصنوعی در فناوری‌ها و سیستم‌های انرژی تجدیدپذیر انجام شده است. این مطالعه با تجزیه و تحلیل گزارش‌های تحقیقاتی، رویکردهای متنوع هوش مصنوعی را در منابع مختلف انرژی تجدیدپذیر، از جمله انرژی خورشیدی، فتوولتائیک، ادغام ریزشبکه، ذخیره‌سازی انرژی، انرژی باد و انرژی زمین‌گرمایی بررسی می‌کند. این بررسی، پیشرفت‌های فناوری فعلی، روش‌های کلیدی، چالش‌ها و دستاوردهای این حوزه را مورد بحث قرار می‌دهد و بر نقش هوش مصنوعی در بهینه‌سازی جنبه‌های مختلف سیستم‌های انرژی تجدیدپذیر تأکید می‌کند. همچنین چالش‌های بالقوه و راه‌حل‌های آنها را همراه با پیشرفت‌های مورد انتظار و روندهای آینده برجسته می‌کند و بینش‌های ارزشمندی را برای محققان و مهندسان در بخش انرژی پایدار ارائه می‌دهد.
واژه‌های کلیدی: انرژی‌های تجدیدپذیر، هوش مصنوعی، سیستم‌های انرژی
متن کامل [PDF 1051 kb]   (36 دریافت)    
نوع مطالعه: مروری | موضوع مقاله: مدیریت اکوسیستم، نظارت، سیاست و قانون
دریافت: 1403/6/17 | ویرایش نهایی: 1403/7/22 | پذیرش: 1403/8/27 | انتشار: 1403/10/8
فهرست منابع
1. Bennagi, A., AlHousrya, O., Cotfas, D. T., & Cotfas, P. A. (2024). Comprehensive study of the artificial intelligence applied in renewable energy. Energy Strategy Reviews, 54, 101446.‏ [DOI:10.1016/j.esr.2024.101446]
2. Ukoba, K., Olatunji, K. O., Adeoye, E., Jen, T. C., & Madyira, D. M. (2024). Optimizing renewable energy systems through artificial intelligence: Review and future prospects. Energy & Environment, 35(7), 3833-3879.‏ [DOI:10.1177/0958305X241256293]
3. Mahapatra, S., Kumar, D., Singh, B., & Sachan, P. K. (2021). Biofuels and their sources of production: A review on cleaner sustainable alternative against conventional fuel, in the framework of the food and energy nexus. Energy Nexus, 4, 100036.‏ [DOI:10.1016/j.nexus.2021.100036]
4. Hadjipaschalis, I., Poullikkas, A., & Efthimiou, V. (2009). Overview of current and future energy storage technologies for electric power applications. Renewable and sustainable energy reviews, 13(6-7), 1513-1522.‏ [DOI:10.1016/j.rser.2008.09.028]
5. Kumar, A., Nagar, S., & Anand, S. (2021). Climate change and existential threats. In Global climate change (pp. 1-31). Elsevier.‏ https://doi.org/10.1016/B978-0-12-822928-6.00005-8 [DOI:10.1016/B978-0-12-822928-6.00002-2]
6. Energy, S. P. (2014). Technology roadmap. Technical Report, IEA.‏
7. Deshmukh, M. K. G., Sameeroddin, M., Abdul, D., & Sattar, M. A. (2023). Renewable energy in the 21st century: A review. Materials Today: Proceedings, 80, 1756-1759.‏ [DOI:10.1016/j.matpr.2021.05.501]
8. Sabev, E., Trifonov, R., Pavlova, G., & Rainova, K. (2021, September). Cybersecurity analysis of wind farm SCADA systems. In 2021 International Conference on Information Technologies (InfoTech) (pp. 1-5). IEEE.‏ [DOI:10.1109/InfoTech52438.2021.9548589]
9. Sayed, E. T., Wilberforce, T., Elsaid, K., Rabaia, M. K. H., Abdelkareem, M. A., Chae, K. J., & Olabi, A. G. (2021). A critical review on environmental impacts of renewable energy systems and mitigation strategies: Wind, hydro, biomass and geothermal. Science of the total environment, 766, 144505.‏ [DOI:10.1016/j.scitotenv.2020.144505] [PMID]
10. Hussain, A., Arif, S. M., & Aslam, M. (2017). Emerging renewable and sustainable energy technologies: State of the art. Renewable and sustainable energy reviews, 71, 12-28.‏ [DOI:10.1016/j.rser.2016.12.033]
11. Sonar, D. (2021). Renewable energy based trigeneration systems-technologies, challenges and opportunities. Renewable-Energy-Driven Future, 125-168.‏ [DOI:10.1016/B978-0-12-820539-6.00004-2]
12. Kothari, D. P., Ranjan, R., & Singal, K. C. (2021). Renewable energy sources and emerging technologies.‏
13. Panwar, N. L., Kaushik, S. C., & Kothari, S. (2011). Role of renewable energy sources in environmental protection: A review. Renewable and sustainable energy reviews, 15(3), 1513-1524.‏ [DOI:10.1016/j.rser.2010.11.037]
14. Hargreaves, T., & Middlemiss, L. (2020). The importance of social relations in shaping energy demand. Nature Energy, 5(3), 195-201.‏ [DOI:10.1038/s41560-020-0553-5]
15. Nazir, M. S., Alturise, F., Alshmrany, S., Nazir, H. M. J., Bilal, M., Abdalla, A. N., ... & M. Ali, Z. (2020). Wind generation forecasting methods and proliferation of artificial neural network: A review of five years research trend. Sustainability, 12(9), 3778.‏ [DOI:10.3390/su12093778]
16. Kadhem, A. A., Wahab, N. A., Aris, I., Jasni, J., Abdalla, A. N., & Matsukawa, Y. (2017). Reliability assessment of generating systems with wind power penetration via BPSO. Journal of International Journal on Advanced Science, Engineering and Information Technology, 7(4), 1248-1254.‏ [DOI:10.18517/ijaseit.7.4.2311]
17. Doenges, K., Egido, I., Sigrist, L., Miguélez, E. L., & Rouco, L. (2019). Improving AGC performance in power systems with regulation response accuracy margins using battery energy storage system (BESS). IEEE Transactions on Power Systems, 35(4), 2816-2825.‏ [DOI:10.1109/TPWRS.2019.2960450]
18. Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. pearson.‏
19. Smith, R. G., & Eckroth, J. (2017). Building AI applications: Yesterday, today, and tomorrow. Ai Magazine, 38(1), 6-22.‏ [DOI:10.1609/aimag.v38i1.2709]
20. Goralski, M. A., & Tan, T. K. (2020). Artificial intelligence and sustainable development. The International Journal of Management Education, 18(1), 100330.‏ [DOI:10.1016/j.ijme.2019.100330]
21. Goralski, M. A., & Tan, T. K. (2020). Artificial intelligence and sustainable development. The International Journal of Management Education, 18(1), 100330.‏ [DOI:10.1016/j.ijme.2019.100330]
22. Di Vaio, A., Boccia, F., Landriani, L., & Palladino, R. (2020). Artificial intelligence in the agri-food system: Rethinking sustainable business models in the COVID-19 scenario. Sustainability, 12(12), 4851.‏ [DOI:10.3390/su12124851]
23. Zhang, Y., Anoopkumar, A. N., Aneesh, E. M., Pugazhendhi, A., Binod, P., Kuddus, M., ... & Sindhu, R. (2023). Advancements in the energy-efficient brine mining technologies as a new frontier for renewable energy. Fuel, 335, 127072.‏ [DOI:10.1016/j.fuel.2022.127072]
24. Jha, S. K., Bilalovic, J., Jha, A., Patel, N., & Zhang, H. (2017). Renewable energy: Present research and future scope of Artificial Intelligence. Renewable and Sustainable Energy Reviews, 77, 297-317.‏ [DOI:10.1016/j.rser.2017.04.018]
25. Farghali, M., Osman, A. I., Chen, Z., Abdelhaleem, A., Ihara, I., Mohamed, I. M., ... & Rooney, D. W. (2023). Social, environmental, and economic consequences of integrating renewable energies in the electricity sector: a review. Environmental Chemistry Letters, 21(3), 1381-1418.‏ [DOI:10.1007/s10311-023-01587-1]
26. Gaudio, M. T., Coppola, G., Zangari, L., Curcio, S., Greco, S., & Chakraborty, S. (2021). Artificial intelligence-based optimization of industrial membrane processes. Earth systems and environment, 5(2), 385-398.‏ [DOI:10.1007/s41748-021-00220-x]
27. Borni, A., Abdelkrim, T., Bouarroudj, N., Bouchakour, A., Zaghba, L., Lakhdari, A., & Zarour, L. (2017). Optimized MPPT controllers using GA for grid connected photovoltaic systems, comparative study. Energy Procedia, 119, 278-296.‏ [DOI:10.1016/j.egypro.2017.07.084]
28. Akhter, M. N., Mekhilef, S., Mokhlis, H., & Mohamed Shah, N. (2019). Review on forecasting of photovoltaic power generation based on machine learning and metaheuristic techniques. IET Renewable Power Generation, 13(7), 1009-1023.‏ [DOI:10.1049/iet-rpg.2018.5649]
29. Su, S., Yan, X., Agbossou, K., Chahine, R., & Zong, Y. (2022, March). Artificial intelligence for hydrogen-based hybrid renewable energy systems: A review with case study. In Journal of Physics: Conference Series (Vol. 2208, No. 1, p. 012013). IOP Publishing.‏ [DOI:10.1088/1742-6596/2208/1/012013]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.