[صفحه اصلی ]   [Archive] [ English ]  
:: درباره نشريه :: صفحه اصلي :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
آمار نشریه::
مقالات آخرین شماره::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
نشریه برنامه ریزی و سیاستگذاری انرژی
..
آمار نشریه
مقالات منتشر شده: 542
نرخ پذیرش: 39.8
نرخ رد: 60.2
میانگین داوری: 213 روز
میانگین انتشار: 297 روز
..
:: دوره 20، شماره 2 - ( 6-1396 ) ::
جلد 20 شماره 2 صفحات 22-5 برگشت به فهرست نسخه ها
پیش بینی ذخیره حرارت در سامانه گرمایشی خورشیدی و انرژی مصرفی گلخانه با شبکه عصبی مصنوعی
محمد جعفری ، حمید مرتضی پور* ، کاظم جعفری نعیمی ، محمد مهدی مهارلوئی
دانشگاه شهید باهنر کرمان ، h.mortezapour@uk.ac.ir
چکیده:   (3022 مشاهده)

در تحقیق حاضر، عملکرد یک سامانه گرمایشی خورشیدی گلخانه، مجهز به متمرکزکننده سهموی خطی و جمع­کننده تخت خورشیدی دومنظوره، با استفاده از شبکه عصبی مصنوعی پیش­بینی شده است. در گلخانه مورد آزمایش، گرمای مورد نیاز در شب، به وسیله حرارت ذخیره شده به­وسیله سامانه خورشیدی در طول روز و یک گرم­کن کمکی تأمین می­گردید. حرکت سیال درون مجموعه متمرکزکننده به­وسیله پمپ و در جمع­کننده تخت، به­صورت ترموسیفون بود. از شبکه عصبی پرسپترون چند لایه با روش یادگیری پس‌انتشار خطا به منظور پیش‌بینی مصرف انرژی ذخیره شده در روز به وسیله سامانه گرمایش خورشیدی، مصرف انرژی گرم­کن کمکی و دمای مخزن ذخیره حرارت استفاده شد. ورودی‌های شبکه شامل شدت تابش خورشید، دمای محیط، سرعت باد، دمای سطح، دمای گلخانه، دبی سیال حامل و زمان بودند. حدود 80 درصد از مجموع داده­ها به منظور آموزش، 10 درصد آزمایش و 10 درصد اعتبارسنجی مورد استفاده قرار گرفتند. برای ارزیابی عملکرد شبکه از پارامترهای ضریب تبیین () و میانگین مربعات خطا (MSE) استفاده شد. ساختار شبکه 1-15-7 با و MSE به ترتیب برابر با 98/0 و 00017/0 بهترین نتیجه را برای پیش‌بینی مصرف انرژی از حرارت ذخیره شده توسط سامانه خورشیدی نشان داد. ساختار 1-10-10-7 با و MSE به ترتیب برابر با 99/0 و 00014/0 و ساختار 1-15-5-7 با و MSE به ترتیب برابر با 98/0 و 00011/0 بهترین نتیجه را به ترتیب برای پیش‌بینی مصرف انرژی گرم­کن کمکی و دمای مخزن ذخیره حرارت ارائه کردند.

واژه‌های کلیدی: دمای مخزن، شبکه عصبی مصنوعی، گلخانه، مصرف انرژی
متن کامل [PDF 990 kb]   (849 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فن آوري هاي انرژي هاي تجديد پذير
دریافت: 1395/6/3 | پذیرش: 1395/10/18 | انتشار: 1396/6/24
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:

Jafari M, Mortezapour H, Jafari Naeimi K, Maharlouee M M. Energy Consumption and Heat Storage in a Solar Greenhouse: Artificial Neural Network Method. IJE 2017; 20 (2) :5-22
URL: http://necjournals.ir/article-1-1124-fa.html

جعفری محمد، مرتضی پور حمید، جعفری نعیمی کاظم، مهارلوئی محمد مهدی. پیش بینی ذخیره حرارت در سامانه گرمایشی خورشیدی و انرژی مصرفی گلخانه با شبکه عصبی مصنوعی. نشریه انرژی ایران. 1396; 20 (2) :5-22

URL: http://necjournals.ir/article-1-1124-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 20، شماره 2 - ( 6-1396 ) برگشت به فهرست نسخه ها
نشریه انرژی ایران Iranian Journal of Energy
Persian site map - English site map - Created in 0.1 seconds with 41 queries by YEKTAWEB 4700