Strona: Algorytm oparty na uczeniu maszynowym do szacowania efektywności energetycznej paneli fotowoltaicznych w transporcie publicznym: studium przypadku Lublina / Zakład Systemów Złożonych

Algorytm oparty na uczeniu maszynowym do szacowania efektywności energetycznej paneli fotowoltaicznych w transporcie publicznym: studium przypadku Lublina

2026-10-22
, red.  Bartosz Kowal
Logo ASTRJ

Zachęcamy do lektury artykułu naukowego, który powstał we współpracy naukowców z Politechniki Lubelskiej i Politechniki Rzeszowskiej. Badanie dotyczy efektywności energetycznej paneli fotowoltaicznych (PV) zainstalowanych na autobusach komunikacji miejskiej. Główny nacisk położono na ocenę tras miejskich pod kątem potencjału pozyskiwania energii słonecznej oraz wpływu tej energii na zużycie paliwa. Analiza opiera się na rzeczywistych danych pochodzących z systemu transportu publicznego w Lublinie. Ze względu na częste zaniki sygnału GPS, zwłaszcza w gęstej zabudowie miejskiej, opracowano algorytm oparty na uczeniu maszynowym, który usprawnia rekonstrukcję trajektorii ruchu autobusów. Proponowana metodologia składa się z czterech głównych etapów: (1) filtrowania i przetwarzania danych GPS w celu odtworzenia tras autobusowych; (2) rozszerzania zbioru danych poprzez obliczanie dodatkowych wskaźników i czynników na podstawie danych źródłowych; (3) podziału tras na jednostki przestrzenne w kształcie sześciokątów i wyznaczania średnich wartości wskaźników dla każdego z tych obszarów; oraz (4) identyfikacji miejsc o wyższym stopniu zacienienia i określaniu potencjału pozyskiwania energii słonecznej dla każdej jednostki przestrzennej. W procesie rekonstrukcji wykorzystano techniki wykrywania anomalii, co pozwoliło ograniczyć negatywne skutki niekompletnych lub zaszumionych sygnałów GPS. Wyniki wskazują, że w Lublinie istnieją obszary nieoptymalne pod kątem instalacji paneli fotowoltaicznych, a energia generowana przez panele umieszczone na dachach pojazdów korzystnie wpływa na ich bilans energetyczny. Poruszona w artykule problematyka może stanowić wsparcie dla planowania przestrzennego w miastach. Ponadto, zaproponowane podejście ułatwia identyfikację wzorców przestrzennych wpływających na wydajność systemów fotowoltaicznych i wspiera podejmowanie decyzji w oparciu o dane, co sprzyja tworzeniu bardziej efektywnych energetycznie systemów transportowych.

Całość opracowania na stronie:

https://www.astrj.com/Machine-learning-based-algorithm-for-estimating-energy-efficiency-of-photovoltaic,231208,0,2.html

Powrót do listy aktualności

Nasze serwisy używają informacji zapisanych w plikach cookies. Korzystając z serwisu wyrażasz zgodę na używanie plików cookies zgodnie z aktualnymi ustawieniami przeglądarki, które możesz zmienić w dowolnej chwili. Więcej informacji odnośnie plików cookies.