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.
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