Deep Learning Approaches for Optimizing Renewable Energy Generation and Consumption Forecasting in Smart Grids
6Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : in, th. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Deep Learning Approaches for Optimizing Renewable Energy Generation and Consumption Forecasting in Smart Grids
- Date Crossref
- 22/10/2025
- Éditeur
- Springer Nature Singapore
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Bennett UniversityPoornima UniversityKhon Kaen UniversityTeerthanker Mahaveer UniversityMahaveer University
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Energy Load and Power ForecastingSmart Grid Energy ManagementElectricity Theft Detection Techniques