Solarthermische Kraftwerke: Machine Learning im CSP-Speicher-Management zur Optimierung von Dispatch-Strategien

Hirsch, Tobias und do amaral Burghi, Ana Carolina (2018) Solarthermische Kraftwerke: Machine Learning im CSP-Speicher-Management zur Optimierung von Dispatch-Strategien. FVEE Jahrestagung 2018, 2018-10-17 - 2018-10-18, Berlin, Deutschland.

PDF - Nur DLR-intern zugänglich
1MB

Offizielle URL: http://www.fvee.de/index.php?id=334

elib-URL des Eintrags:

https://elib.dlr.de/124264/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Solarthermische Kraftwerke: Machine Learning im CSP-Speicher-Management zur Optimierung von Dispatch-Strategien

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Hirsch, Tobias	tobias.hirsch (at) dlr.de	https://orcid.org/0000-0003-0063-0128	NICHT SPEZIFIZIERT
do amaral Burghi, Ana Carolina	Ana.doAmaralBurghi (at) dlr.de	https://orcid.org/0000-0002-5058-9162	NICHT SPEZIFIZIERT

Datum:

November 2018

Referierte Publikation:

Nein

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Dispatch Optimization Machine Learning CSP Weather forecast

Veranstaltungstitel:

FVEE Jahrestagung 2018

Veranstaltungsort:

Berlin, Deutschland

Veranstaltungsart:

nationale Konferenz

Veranstaltungsbeginn:

17 Oktober 2018

Veranstaltungsende:

18 Oktober 2018

Veranstalter :

FVEE

HGF - Forschungsbereich:

Energie

HGF - Programm:

Erneuerbare Energie

HGF - Programmthema:

Konzentrierende solarthermische Technologien

DLR - Schwerpunkt:

Energie

DLR - Forschungsgebiet:

E SW - Solar- und Windenergie

DLR - Teilgebiet (Projekt, Vorhaben):

E - Neue Wärmeträgerfluide (alt)

Standort:

Stuttgart

Institute & Einrichtungen:

Institut für Solarforschung > Linienfokussierende Systeme

Hinterlegt von:

Hirsch, Dr.-Ing. Tobias

Hinterlegt am:

17 Dez 2018 10:10

Letzte Änderung:

24 Apr 2024 20:28

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags