J. Karthika Books

Windenergie ist die am schnellsten wachsende Stromquelle der Welt. In diesem Projekt wird die Windenergie zur Stromerzeugung mit Hilfe von Aero-Blättern genutzt. Mehrere blattförmige Aero-Blätter werden in Form eines Baumes, des so genannten Wind Tree, angebracht. Der Windbaum verwendet winzige Flügel, die in den Aero-Blättern untergebracht sind, um Strom aus Windenergie zu erzeugen. Diese Windbäume sind in der Lage, unabhängig von der Windrichtung und bei einer Mindestwindgeschwindigkeit von 7 km/h Strom zu erzeugen. In diesem Projekt haben wir eine baumförmige Struktur verwendet, die mit blattförmigen Miniturbinen, den so genannten Aeroblättern, bedeckt ist. Diese Turbinen sind vom Typ Savonius und so konzipiert, dass sie Strom erzeugen, der den Wind aus allen Richtungen einfängt. Alle Kabel und Generatoren sind in die Blätter und Äste integriert. Die künstlichen Blätter funktionieren wie vertikale Miniturbinen rund um den Baum. Wenn der Wind weht, drehen sich die Blattturbinen und erzeugen leise die Energie. Dieses Projekt kommt zu dem Schluss, dass die von Windbäumen erzeugte Energie umweltfreundlich ist, vor allem erzeugt sie Strom bei geringstem Lärm und kann an verschiedenen Standorten installiert werden.

Die Anwendung von Techniken der sozialen künstlichen Intelligenz (KI) scheint eine wirklich praktikable Lösung zu schaffen, die die Verwaltung und den Betrieb von Mikro-Mikronetzen in potenziellen künftigen Smart-Grid-Netzen verbessern wird. Das primäre Ziel des vorgeschlagenen Systems ist es, erneuerbare Energien bei Schwankungen zu regulieren, um eine gleichmäßige Stromversorgung zu gewährleisten. Daher überwachen wir kontinuierlich die Stromerzeugung der Solarpanels und die Lastnutzung und senden diese Werte an ein maschinelles Lernmodell, um den Schaltzustand des Regelkreises zu kategorisieren. In dem vorgeschlagenen System absorbiert das Solarpanel die Sonnenenergie zu den Spitzenzeiten der Sonne. Wenn die gemessenen Spannungen über einem bestimmten festen Wert liegen, wird die Spannung an die Last geliefert. Liegt die vom Solarpanel gelieferte Spannung unter dem festgelegten Wert, reicht sie nicht aus, um an die Last geliefert zu werden. Hier spielt die Einbeziehung des maschinellen Lernens eine wichtige Rolle. Der Strommangel wird durch maschinelles Lernen erkannt. Dann wird die Spannung für die Last vom SMPS bereitgestellt. Der KNN-Algorithmus verfügt über eine Reihe von vordefinierten Daten, die bei Tests gesammelt wurden und die für die Bereitstellung der Spannung für die Last herangezogen werden...