Szczegóły publikacji
Opis bibliograficzny
Wykorzystanie głębokich sieci neuronowych do predykcji produkcji energii z odnawialnych źródeł energii (OZE) w Polsce : [streszczenie] — [The use of deep neural networks to predict energy production from renewable energy sources (RES) in Poland : abstract] / Dominik ŻUREK, Kamil FABER, Michał KARWATOWSKI, Marek KISIEL-DOROHINICKI, Kamil PIĘTAK, Anna ZIELIŃSKA, Dawid Zieliński // W: [III] Kongres Energetyki Rozproszonej KER 2025 : KNER 2025 : III Konferencja Naukowa Energetyki Rozproszonej : Kraków, 17 IX 25 : materiały konferencyjne / Akademia Górniczo-Hutnicza w Krakowie. — [Kraków : Wydawnictwo nwh], [2025]. — ISBN: 978-83-943772-5-0. — S. 160–165. — Bibliogr. s. 165, Streszcz. — D. Żurek, K. Faber, M. Karwatowski - dod. afiliacja: Columbus Energy, Kraków
Autorzy (7)
Dane bibliometryczne
| ID BaDAP | 163290 |
|---|---|
| Data dodania do BaDAP | 2026-01-15 |
| Rok publikacji | 2025 |
| Typ publikacji | materiały konferencyjne (aut.) |
| Otwarty dostęp |  |
Streszczenie
W obliczu rosnącego zapotrzebowania na energie˛ oraz konieczności ograniczenia emisji gazów cieplarnianych, odnawialne źródła energii (OZE) odgrywają kluczową rolę w transformacji energetycznej Polski i świata. Efektywne wykorzystanie OZE wymaga precyzyjnych prognoz dotyczących ich produkcji, co umożliwia lepsze zarządzanie sieciami energetycznymi, optymalizację infrastruktury oraz zapewnienie stabilności dostaw energii. W niniejszym artykule omówiono zastosowanie głębokich sieci neuronowych jako zaawansowanej metody predykcji produkcji energii z OZE w Polsce. Skupiono się na wyzwaniach związanych z prognozowaniem na podstawie danych meteorologicznych oraz korzyściach wynikających z implementacji tych technologii w kontekście zrównoważonego rozwoju i bezpieczeństwa energetycznego kraju. Wyniki analizy potwierdzają wysoką skuteczność głębokich sieci neuronowych jako narzędzia wspierającego strategiczne decyzje w sektorze energii odnawialnej.
