[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 21، شماره 3 - ( 9-1397 ) ::
جلد 21 شماره 3 صفحات 87-100 برگشت به فهرست نسخه ها
تخمین توان تولیدی پنل های مونوکریستال و پلی کریستال توسط شبکه عصبی
مصطفی زمانی محی آبادی، رسول جهرمی، مجید حسنی دستجردی، احسان مهرابی گوهری
گروه مهندسی شیمی ، m.zamani@vru.ac.ir
چکیده:   (125 مشاهده)
تجزیه و تحلیل توان تولیدی یک سیستم فتوولتائیک به عواملی نظیر میزان حرارت و تابش مستقیم خورشید بستگی دارد. منبع بی پایان و رایگان انرژی خورشیدی دریافت شده در سطح زمین، دستخوش تغییراتی چون مکان جغرافیایی، ساعات مختلف شبانه روز و فصول مختلف سال می باشد، از این رو ارزیابی صحیح آن یک عامل استراتژیک برای ارزیابی امکان­سنجی یک سیستم فتوولتائیک می باشد. در این مقاله با استفاده از داده های میزان تابش و دمای بدست آمده از مانیتورینگ پنل­های خورشیدی منوکریستال و پلی­کریستال نصب شده در سایت خورشیدی دانشگاه ولی عصر(عج) رفسنجان، یک روش جدید مدل سازی توان تولیدی سیستم های فتوولتائیک ارائه گردیده است. مدل به دست آمده با استفاده از داده های در بازه زمانی یک ساله سایت خورشیدی ذکر شده توسط شبکه عصبی چند لایه پروسپترون آموزش و تست شده اند، حاصل گردیده است. ورودی های این مدل شامل دمای پنل و تابش مستقیم نور خورشید و خروجی آن میزان توان تولید شده توسط پنل های منو کریستال و پلی کریستال این سایت خورشیدی می باشد. باتوجه به نتایج حاصل شده، بهترین پاسخ برای مدل با تابع تحریک در لایه های مخفی logsig,tansig, tansig  و تعداد نرون ]10 10 10[ دارای تکرار 32 با میانگین مربعات خطا 51/20780 و نیز ضریب همبستگی با داده های تست مقدار 0/9142، اعتبارسنجی مقدار 0/9151 و آموزش مقدار 0/91644 انتخاب گردید.
واژه‌های کلیدی: مدل‌سازی، شبکه عصبی، مونوکریستال، پلی‌کریستال
متن کامل [PDF 771 kb]   (50 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فن آوري هاي انرژي هاي تجديد پذير
دریافت: ۱۳۹۴/۵/۲۳ | پذیرش: ۱۳۹۸/۳/۸
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zamani Mohiabadi M, Jahromi R, Hasani Dastjerdi M, Mehrabi Gouhari E. Estimating Efficiency of Monocrystalline and Polycrystalline Photovoltaic Panels Using Neural Network Models. IJE. 2018; 21 (3) :87-100
URL: http://necjournals.ir/article-1-909-fa.html

زمانی محی آبادی مصطفی، جهرمی رسول، حسنی دستجردی مجید، مهرابی گوهری احسان. تخمین توان تولیدی پنل های مونوکریستال و پلی کریستال توسط شبکه عصبی. نشریه انرژی ایران. 1397; 21 (3) :87-100

URL: http://necjournals.ir/article-1-909-fa.html



دوره 21، شماره 3 - ( 9-1397 ) برگشت به فهرست نسخه ها
نشریه انرژی ایران Iranian Journal of Energy
Persian site map - English site map - Created in 0.06 seconds with 32 queries by YEKTAWEB 4030