机译:基于机器学习的高级别参数不确定性的最佳混合PCMS集成可再生系统的现场可再生电气性能研究
Hong Kong Polytech Univ Fac Construct & Environm Dept Bldg Serv Engn Hong Kong Peoples R China;
City Univ Hong Kong Dept Architecture & Civil Engn Hong Kong Peoples R China;
Hunan Univ Natl Ctr Int Res Collaborat Bldg Safety & Environ Changsha 410082 Hunan Peoples R China|Hunan Univ Coll Civil Engn Changsha 410082 Hunan Peoples R China;
Phase change materials; On-site renewable generation; Uncertainty quantification; Data-driven model; Supervised machine learning; Uncertainty analysis;
机译:基于机器学习的具有现场光伏,辐射冷却和混合通风的相变材料集成可再生系统的优化设计—在五个气候区域的建模和应用研究
机译:基于确定性参数的最优气凝胶玻璃系统热学和能量性能不确定性的机器学习方法研究
机译:基于最佳场景的运行和住宅能源集线器的调度,包括考虑电价和可再生分布代的不确定性的插入式混合动力电动汽车和储热系统
机译:不确定条件下基于多目标最优的混合可再生能源系统的运行管理
机译:开发了一种新的基于网络的软件工具,用于联邦和商业用途,可优化可再生能源系统的尺寸。
机译:网格集成混合可再生能源系统中光伏和固体氧化物燃料电池的自适应控制范例
机译:考虑可再生能源和内部负荷的不确定性的综合社区能源系统的最佳进化派遣
机译:提供混合可再生电力系统最优调度的总体框架