Bayesian networks in renewable energy systems: A bibliographical survey

برای سال های گذشته، تحقیق و توسعه در زمینه انرژی های تجدید پذیر به دلیل نیاز به انرژی تجدید پذیر به عنوان یک منبع انرژی پیشرفته و قابل اعتماد در حال رشد است. با این حال، اجرای انرژی تجدید پذیر دارای مشکلات زیادی است که به راحتی با روش های معمول حل نمی شود. اخیرا تکنیک های هوش مصنوعی مانند شبکه های عصبی مصنوعی، منطق فازی و الگوریتم های ژنتیکی به طور گسترده ای برای مقابله با این مشکلات در زمینه انرژی تجدید پذیر استفاده شده است. با این وجود، مسائل با عدم قطعیت به شبکه های بیسین نیاز دارند، زیرا این یکی از موثرترین نظریه ها برای مقابله با آنها است. این تکنیک می تواند به استفاده از انرژی های تجدید پذیر انرژی و دیگر مسائل باز در این زمینه کمک کند. در این کار، ما نشان می دهد که وضعیت استفاده از شبکه های بیس در انرژی های تجدید پذیر مانند حرارتی خورشیدی، فتوولتائیک، باد، زمین گرمایی، انرژی های هیدرو الکتریکی و زیست توده. علاوه بر این، ما موضوعات مرتبط مانند ذخیره انرژی، شبکه های هوشمند و ارزیابی انرژی را نیز شامل می کنیم. ما ادبیات را با توجه به سه موضوع اصلی، ارزیابی منابع، عملیات و برنامه های کاربردی تقسیم می کنیم و در هر بخش، جهت های احتمالی را که در تحقیق در زمینه می گیریم را توصیف می کنیم. ما دریافتیم که برنامه های اصلی برای پیش بینی، تشخیص خطا، نگهداری، عملیات، برنامه ریزی، اندازه گیری و مدیریت ریسک انجام می شود. ما نتیجه می گیریم که شبکه های بیزی یک ابزار امیدوار کننده در زمینه انرژی تجدید پذیر با برنامه های کاربردی بالقوه هستند که به علت قابلیت انعطاف پذیری آنها.