Read more
L'énergie solaire est une forme d'énergie renouvelable très prometteuse qui peut répondre à une grande partie des besoins énergétiques mondiaux. Néanmoins, le caractère sporadique des sources d'énergie renouvelables, dû à des variables telles que les conditions météorologiques et l'heure de la journée, constitue un obstacle à une production d'énergie cohérente et à l'intégration dans le système électrique. Pour résoudre ces difficultés, cette étude propose une méthode innovante qui utilise des approches de vision par ordinateur et d'intelligence artificielle pour prévoir et améliorer la production d'énergie solaire. L'approche proposée implique la fusion de méthodes basées sur les données dans les domaines de la vision par ordinateur et de l'apprentissage automatique. Des informations préliminaires sur le climat, le rayonnement solaire et l'utilisation de chargeurs solaires sont recueillies auprès de diverses sources. Les calculs de vision par ordinateur utilisent des informations satellitaires ou des images au sol pour éliminer la couverture nuageuse, le développement et d'autres caractéristiques climatiques. L'heure du jour et la saison sont ajoutées aux informations visuelles pour fournir un ensemble de données complet. Cet ensemble de données permet d'entraîner les cadres d'IA à évaluer l'irradiation solaire et la création d'énergie.
About the author
Aparna Unni es becaria de investigación y Harpreet Kaur Channi es becaria de investigación en la Universidad de Investigación Eudoxia, New Castle, Estados Unidos.
