Soft Computing in Green and Renewable Energy Systems

محاسبات نرم در سیستم‌های انرژی سبز و تجدیدپذیر مقدمه‌ای عملی برای کاربرد تکنیک‌های محاسبات نرم و سیستم‌های هوشمند ترکیبی برای طراحی، مدل‌سازی، مشخص‌سازی، بهینه‌سازی، پیش‌بینی و پیش‌بینی عملکرد ارائه می‌دهد. سیستم های انرژی سبز و تجدیدپذیر تحقیقات در مورد انرژی های تجدیدپذیر (انرژی حاصل از منابع طبیعی مانند نور خورشید، باد، جزر و مد، باران، گرمای زمین گرمایی، زیست توده، هیدروژن و غیره) با سرعت جت در حال انجام است، زیرا سیاست گذاران، محققان، اقتصاددانان و آژانس های جهانی به نیروهای خود پیوسته اند. یافتن راه حل های جایگزین انرژی پایدار برای مسائل حیاتی زیست محیطی، اقتصادی و اجتماعی. مدل‌های نوآورانه، فرآیندهای بی‌خطر زیست‌محیطی، تجزیه و تحلیل داده‌ها، و غیره که در سیستم‌های انرژی تجدیدپذیر به کار می‌روند، محاسباتی فشرده، غیرخطی و پیچیده هستند و همچنین دارای درجه بالایی از عدم قطعیت هستند. فناوری‌های محاسباتی نرم، مانند مجموعه‌ها و سیستم‌های فازی، علوم و سیستم‌های عصبی، الگوریتم‌های تکاملی و برنامه‌نویسی ژنتیک، و یادگیری ماشین، برای مدیریت نویز، عدم دقت و عدم قطعیت در داده‌ها ایده‌آل هستند و در عین حال به راه‌حل‌های قوی و کم‌هزینه دست می‌یابند. . در نتیجه، پارادایم های محاسباتی هوشمند و نرم در حال یافتن کاربردهای فزاینده ای در مطالعه سیستم های انرژی تجدیدپذیر هستند. محققان، پزشکان، دانشجویان کارشناسی و کارشناسی ارشد که درگیر مطالعه سیستم‌های انرژی تجدیدپذیر هستند، این کتاب را بسیار مفید خواهند یافت.

Soft Computing in Green and Renewable Energy Systems provides a practical introduction to the application of soft computing techniques and hybrid intelligent systems for designing, modeling, characterizing, optimizing, forecasting, and performance prediction of green and renewable energy systems. Research is proceeding at jet speed on renewable energy (energy derived from natural resources such as sunlight, wind, tides, rain, geothermal heat, biomass, hydrogen, etc.) as policy makers, researchers, economists, and world agencies have joined forces in finding alternative sustainable energy solutions to current critical environmental, economic, and social issues. The innovative models, environmentally benign processes, data analytics, etc. employed in renewable energy systems are computationally-intensive, non-linear and complex as well as involve a high degree of uncertainty. Soft computing technologies, such as fuzzy sets and systems, neural science and systems, evolutionary algorithms and genetic programming, and machine learning, are ideal in handling the noise, imprecision, and uncertainty in the data, and yet achieve robust, low-cost solutions. As a result, intelligent and soft computing paradigms are finding increasing applications in the study of renewable energy systems. Researchers, practitioners, undergraduate and graduate students engaged in the study of renewable energy systems will find this book very useful.