人工智能和机器学习在满足全球对清洁、廉价和可靠能源的需求方面发挥着至关重要的作用。 最近的研究表明，与传统的化石能源相比，世界对可再生能源的投资更多，这引起了人们对其利用最大化的兴趣。 本文展示了对供需曲线的研究，人工智能如何通过智能评估不可预测的天气条件和管理集成系统（可再生能源和化石燃料的组合）来优化电力生产，从而预测能源的未来需求. 这样一来，清洁能源就可以为人们生产，降低存储成本和消费者计费成本； 它将通过使用可再生能源来提高产出。

真棒能量预测 有关能源预测的文件，代码和其他资源清单。 竞赛 文件 2020年 Ahmad，W.，Ayub，N.，Ali，T.，Irfan，M.，Awais，M.，Shiraz，M.，＆Glowacz，A.（2020年）。 使用改进的支持向量机和极限学习机进行短期电力负荷预测。 Energies，13（11），2907。 Yagli，GM，Yang，D.，Gandhi，O.，＆Srinivasan，D.（2020年）。 我们是否可以用卫星衍生的太阳辐照度证明产生单变量机器学习预测是合理的？ 应用能源，259，114122。 Yagli，GM，Yang，D.，＆Srinivasan，D.（2019年）。 使用机器学习模型进行小时自动太阳预报。 可再生与可持续能源评论，105，487-498。 Ahmed，R.，Sreeram，V.，Mishra，Y.，＆Arif，MD（2020）。 对

Power converter design

Renewable and Efficient Electric Power Systems (Gilbert Masters)

风力发电机分类 用于快速异常检测的“正常”风力涡轮机运行行为规范：通过使用机器学习算法 由Nithiya Streethran（gmail.com的nmstreethran） 文件说明 该存储库是为我的硕士论文创建的文件的存档，该存档已于2017年5月至8月之间在赫瑞瓦特大学和自然动力顾问公司完成。 这也是我的第一个Python项目。 毫不奇怪，这些文件需要某种格式来提高可读性，这是我毕业后所做的。 我没有对代码或文档进行任何重大更改，因此此存储库仍包含一堆独立脚本而不是程序包。 current分支具有格式化的代码和学位论文。 论文可在查看[ ]。 可以使用或下载（也可在）访问原始提交。

马卡尼 Makani是一个开发商用规模的机载风力涡轮机的项目，最终在挪威沿海进行了Makani M600的飞行测试。 现在，所有Makani软件都已开源。 该存储库包含有效的Makani飞行模拟器，控制器（自动驾驶仪），可视化器和指挥中心飞行监控工具。 另外，由于删除了某些第三方专有代码，几乎所有航空电子固件也都包括在内，尽管可能不是处于可构建状态。 我们希望该代码对基于风筝的风能和更广泛的社区具有启发性和实用性。 有关Makani的更多信息，请访问 代码简介 analysis -其他分析脚本。 此处最重要的文件是analysis/control/crosswind.py ，它为侧风内环控制器生成增益；而analysis/control/generate_hover_controllers.m ，它为悬停控制器生成增益。 avionics -绞盘，地面站，电机，网络，伺服系统，电池，网