Data Analysis for Parabolic Trough Fields with Machine Learning

Brenner, Alex und Hirsch, Tobias und Röger, Marc und Pitz-Paal, Robert (2022) Data Analysis for Parabolic Trough Fields with Machine Learning. 25th Cologne Solar Colloquium, 2022-06-22, Köln.

PDF
744kB

elib-URL des Eintrags:

https://elib.dlr.de/189499/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Data Analysis for Parabolic Trough Fields with Machine Learning

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Brenner, Alex	Alex.Brenner (at) dlr.de	https://orcid.org/0000-0003-0754-0272	NICHT SPEZIFIZIERT
Hirsch, Tobias	Tobias.Hirsch (at) dlr.de	https://orcid.org/0000-0003-0063-0128	NICHT SPEZIFIZIERT
Röger, Marc	Marc.Roeger (at) dlr.de	https://orcid.org/0000-0003-0618-4253	NICHT SPEZIFIZIERT
Pitz-Paal, Robert	Robert.Pitz-Paal (at) dlr.de	https://orcid.org/0000-0002-3542-3391	NICHT SPEZIFIZIERT

Datum:

1 Juni 2022

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

parabolic trough; condition monitoring; machine learning

Veranstaltungstitel:

25th Cologne Solar Colloquium

Veranstaltungsort:

Köln

Veranstaltungsart:

nationale Konferenz

Veranstaltungsdatum:

22 Juni 2022

HGF - Forschungsbereich:

Energie

HGF - Programm:

Materialien und Technologien für die Energiewende

HGF - Programmthema:

Thermische Hochtemperaturtechnologien

DLR - Schwerpunkt:

Energie

DLR - Forschungsgebiet:

E SW - Solar- und Windenergie

DLR - Teilgebiet (Projekt, Vorhaben):

E - Neue Wärmeträgerfluide

Standort:

Stuttgart

Institute & Einrichtungen:

Institut für Solarforschung > Solare Hochtemperatur-Technologien

Hinterlegt von:

Lucarelli, Fabio

Hinterlegt am:

28 Okt 2022 10:49

Letzte Änderung:

24 Apr 2024 20:50

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags