Integración de energía solar en la red inteligente
Energía Solar
Use of Triboelectric Nanogenerators in Advanced Hybrid Renewable Energy Systems for High Efficiency in Sustainable Energy Production: A Review
Uso de Nanogeneradores Triboeléctricos en Sistemas Híbridos Avanzados de Energías Renovables para una Alta Eficiencia en la Producción Sostenible de Energía: Una revisión
Un sistema híbrido de energías renovables (HRES) es un esquema de producción de energía que se construye a partir de la combinación de dos o más fuentes de energía renovables individuales para producir energía eléctrica para el consumo energético. Los HRES presentan un aumento en la eficiencia de la conversión energética y reducen las fluctuaciones durante el proceso de producción de energía. La tecnología de nanogeneradores triboeléctricos (TENG) transforma las energías mecánicas desperdiciadas en energía eléctrica y puede convertir fuentes de energía renovables en electricidad con una capacidad de funcionamiento sostenible que puede integrarse en un HRES para obtener una alta eficiencia energética. Este artículo presenta los métodos recientes que utilizan HRES y TENG en sistemas híbridos avanzados de energías renovables para mejorar la eficiencia de la captación de energía, la producción de energía sostenible y las aplicaciones prácticas, destacando las ventajas, los retos y las soluciones específicas relacionadas con el desarrollo y la utilización de los HRES.
Este documento es un articulo elaborado por Van-Long Trinh y Chen-Kuei Chung (Universidad de Ciencia y Tecnología de Hanoi y Universidad Nacional Cheng Kung, Vietnam) para la revista Processes Vol. 12 Núm. 19. Publicación de MDPI. Contacto: [email protected]
Intelligent Energy Management across Smart Grids Deploying 6G IoT, AI, and Blockchain in Sustainable Smart Cities
Gestión inteligente de la energía en redes inteligentes Despliegue de 6G IoT, IA y Blockchain en ciudades inteligentes sostenibles
Este artículo aborda la necesidad crítica de estabilidad de la red y la integración eficiente de las fuentes de energía renovables, utilizando tecnologías avanzadas como 6G IoT, AI y blockchain. Mediante el despliegue de un conjunto de modelos de aprendizaje automático como árboles de decisión, XGBoost, máquinas de vectores de soporte y redes neuronales artificiales sintonizadas de forma óptima, se predicen las fluctuaciones de carga de la red, especialmente durante los períodos de máxima demanda, para evitar sobrecargas y garantizar un suministro eléctrico constante. Además, las redes neuronales recurrentes con memoria a corto plazo analizan los datos meteorológicos para predecir con exactitud la producción de energía solar, lo que permite planificar mejor el consumo de energía. La integración de un sofisticado panel de visualización proporciona actualizaciones en tiempo real y facilita la planificación estratégica al hacer accesibles datos complejos.
Este documento es un articulo elaborado por Mithul Raaj A T, Balaji B, Sai Arun Pravin R R, Rani Chinnappa Naidu, Prakash Ramachandran, Sujatha Rajkumar, Vaegae Naveen Kumar, Rajesh Kumar M, Geetika Aggarwal y Arooj Mubashara Siddiqui (Instituto de Tecnología de Vellore, India y Universidad de Teesside, Universidad de Hertfordshire, Reino Unido) para la revista IoT Vol. 5 Núm. 3. Publicación de MDPI. Contacto: [email protected]
