تهیه نقشه نیروگاه های خورشیدی آمریکا با کمک هوش مصنوعی

خرید بک لینک: دانشمندان ˮدانشگاه استنفوردˮ، یک سیستم یادگیری ماشینی مبتنی بر هوش مصنوعی ابداع نموده اند که می تواند با بررسی تصاویر، نیروگاه های خورشیدی را شناسایی کند.
به گزارش خرید بک لینک به نقل از ایسنا و به نقل از گیزمگ، صنعت انرژی خورشیدی در آمریکا پیوسته در حال رشد است و درآمد حاصل از آن، از ۴۲ میلیون دلار در سال ۲۰۰۷ به ۲۱۰ میلیون در سال ۲۰۱۷ رسیده است. انتظار می رود که این مبلغ در پنج سال آینده دو برابر شود. با وجود نمایش تصویر کارآمدی از جذب انرژی خورشیدی، هنوز باید جزئیات بیشتری در این مورد مشخص شود. دانشمندان “دانشگاه استنفورد”(Stanford University)، یک ابزار یادگیری ماشینی جدید موسوم به “دیپ سولار”(DeepSolar) ابداع نموده اند که مشخصا به این کار اختصاص دارد.
دانستن محل قرار گرفتن نیروگاه های خورشیدی و انگیزه راه اندازی آنها، تلاش کارآمدی برای مدیریت انرژی است. این کار به کارخانه ها در برقراری توازن میان عرضه و تقاضا و نمایش انرژی مطمئن تر کمک می نماید. به علاوه، درک انگیزه راه اندازی نیروگاه ها و شاید طراحی شهرها از این راه ممکن میگردد.

پژوهشگران می توانند این کار را تنها با محاسبات دشوار و تصاویر ماهواره ای انجام دهند اما دانشمندان استنفورد، یک الگوریتم یادگیری ماشینی را برای انجام دادن این وظیفه مهم آموزش داده اند. آنها به این سیستم، حدود ۳۷۰ هزار تصویر نمایش داده اند که هر یک، نشان دهنده ناحیه ای از زمین در ابعاد ۳۰ در ۳۰ است که بر طبق داشتن و یا نداشتن نیروگاه خورشیدی مشخص می شوند.
برنامه دیپ سولار، خاصیت هایی مانند رنگ، بافت و اندازه در رابطه با پنل خورشیدی را تشخیص می دهد. این برنامه در آزمایش های صورت گرفته توانست به خوبی عمل کند و تصاویر نیروگاه های خورشیدی را با ۹۳ درصد دقت به درستی تشخیص دهد.
“جیافان یو”(Jiafan Yu)، دانشجوی دکتری مهندسی الکترونیک در دانشگاه استنفورد اظهار داشت: ما دقیقا به سیستم نمی گوییم که کدام خاصیت مهم می باشد چونکه سیستم باید همه این خاصیت ها را یاد بگیرد.

“آرون ماجومدار”(Arun Majumdar)، ناظر این پروژه اظهار داشت: ما با این سیستم، به بینش های جدیدی دست یافته ایم اما این هنوز آغاز اکتشافاتی است که پیش روی ابداع کنندگان انرژی و سیاست گذاران قرار دارد. ما می خواهیم با عمومی ساختن این پروژه، الگوهای مقرون به صرفه تری در این زمینه نمایش دهیم.
این پژوهش، در مجله “Joule” به چاپ رسید.

دسته‌ها