Adaptive Deep Belief Networks and LightGBM-Based Hybrid Fault Diagnostics for SCADA-Managed PV Systems : A Real-World Case Study
autor
Kull, Karl
Khan, Muhammad Amir
Asad, Bilal
Naseer, Muhammad Usman
Kallaste, Ants
Vaimann, Toomas
vastutusandmed
Kull, Karl; Khan, Muhammad Amir; Asad, Bilal; Naseer, Muhammad Usman; Kallaste, Ants; Vaimann, Toomas
allikas
Electronics
ajakirja erinumber
Advanced Condition Monitoring and Fault Analysis in Industrial Electronics
kirjastus/väljaandja
MDPI
ajakirja aastakäik number kuu
vol. 14, 18
ilmumisaasta
2025
leheküljed
art. 3649
leitav
https://doi.org/10.3390/electronics14183649
märksõna
tehisintellekt
tehisnärvivõrgud
rikked
detektsioon
sügavõpe
fotogalvaanika
võtmesõna
artificial intelligence
back propagation neural network
Bayesian optimization
deep learning
hybrid fault detection
I–V curves
machine learning
maximum power point tracking
photovoltaic fault detection algorithms
photovoltaic systems
PV fault classification
SCADA
ISSN
2079-9292
Open Access
Open Access
teaduspublikatsioon
teaduspublikatsioon
klassifikaator
1.1
Scopus
https://www.scopus.com/sourceid/21100829272
https://www.scopus.com/pages/publications/105017005692?origin=resultslist
WOS
https://jcr.clarivate.com/jcr-jp/journal-profile?journal=ELECTRONICS-SWITZ&year=2025
https://www.webofscience.com/wos/woscc/full-record/WOS:001579753800001
kategooria (üld)
Computer science
Arvutiteadus
Engineering
Tehnika
kategooria (alam)
Computer science. Signal processing
Arvutiteadus. Signaalitöötlus
Engineering. Electrical and electronic engineering
Tehnika. Elektri- ja elektroonikatehnika
Computer science. Computer networks and communications
Arvutiteadus. Arvutivõrgud ja side
Engineering. Control and systems engineering
Tehnika. Juhtimis- ja süsteemitehnika
Computer science. Hardware and architecture
Arvutiteadus. Riistvara ja arhitektuur
kvartiil
Q2
TTÜ struktuuriüksus
Elektroenergeetika ja mehhatroonika instituut
Department of Electrical Power Engineering and Mechatronics
keel
English
Inglise