The Internet of Things has a vision in which the internet extends into the real world, which incorporates everyday objects. The IoT allows objects to be sensed or controlled remotely over existing network infrastructure, creating opportunities for pure integration of the physical world into computer-based systems, and resulting in improved efficiency, accuracy and economic benefit in addition to reduced human intervention. This technology has many applications like Solar cities, Smart villages, Micro grids and Solar Street lights and so on. As Renewable energy grew at a rate faster than any other time in history during this period. The proposed system refers to the online display of the power usage of solar energy as a renewable energy. This monitoring is done through raspberry pi using flask framework. Smart Monitoring displays daily usage of renewable energy. This helps the user to analysis of energy usage. Analysis impacts on the renewable energy usage and electricity issues.

Glass-Self-propagating low temperature (SPLT) route for synthesizing nanomaterials has been gaining importance in the field of synthetic technology by being a cost effective, faster and cleaner approach when compared to the other conventional and wet chemical methods for the synthesis of metal oxide nanoparticles. In the present work, synthesis of strontium iron oxide (SrFe2O3) nanoparticles viz., were carried out by SPLT route through the thermal decomposition of strontium iron metal oxalate precursors employing polyvinyl alcohol (PVA) as a fuel. The characterization was developed for size and structure by employing Fourier transform infrared (FTIR) spectral studies. The morphology of the samples ranged from nano spherical to agglomerated irregular-shaped particles for strontium ferrite samples based on the results of field emission scanning electron microscopy (FESEM) images. Possible gas sensing applications of these ferrite sample nanoparticles are studied.

Crystallized Gold (Au), Silver (Ag), Strontium (Sr) tri-metallic nanometal alloy have been prepared and stabilised using plant extracts of coriander root (Coriandrum sativum) in an aqueous system. Aqueous solutions of Au+, Ag+, Sr+ ions are in 1: 1: 1 ratio of Au–Ag-Sr alloy was treated with a filtered solution of Coriandrum sativum root extract for the formation of Au–Ag-Sr trimetallic alloy nano particles (Au-Ag-Sr NP). Analysis of the feasibility of the biologically synthesized bio-functional core–shell nanometal alloy from plant root extract is particularly noteworthy. The colloidal suspensions obtained were in highly stable condition for 6-8 weeks. The prepared Au-Ag-Sr nanometallic alloy was then checked for the surface Plasmon resonance. The composition, morphology, size and structure of the nanoparticles were determined by Fourier transform infrared spectroscopy (FTIR) and field emission scanning electron microscopy (FESEM). Possible sensing applications of these tri- metallic alloy (Au Ag, Sr) nanoparticles are envisaged.

As electric vehicles (EVs) gain momentum in the shift towards sustainable transportation, the efficiency and reliability of energy storage systems become paramount. Lithium-ion batteries stand at the forefront of this transition, necessitating sophisticated battery management systems (BMS) to enhance their performance and lifespan. This research presents an innovative simulation of a 4S3P lithium-ion battery pack using MATLAB R2023b, designed to refine BMS capabilities by employing advanced mathematical modelling and computational intelligence. The simulation meticulously analyses critical operational metrics such as state of charge (SOC), state of health (SOH), temperature variations, and electrical behaviour under diverse load scenarios, offering deep insights into the intricate dynamics of lithium-ion batteries in EV applications. The results corroborate the simulation model’s accuracy in reflecting actual battery pack performance and underscore significant improvements in BMS strategies, especially concerning predictive maintenance and adaptive charging techniques. By seamlessly integrating computational intelligence into BMS, this study lays the groundwork for more durable, efficient, and intelligent energy storage systems in electric vehicles, marking a significant stride in e-mobility technology.