[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: 537
نرخ پذیرش: 40.4
نرخ رد: 59.6
میانگین داوری: 211 روز
میانگین انتشار: 294 روز
..
:: دوره 21، شماره 3 - ( 9-1397 ) ::
جلد 21 شماره 3 صفحات 100-87 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:   (2009 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]   (521 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فن آوري هاي انرژي هاي تجديد پذير
دریافت: 1394/5/23 | پذیرش: 1398/3/8 | انتشار: 1397/9/10
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



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
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 0.05 seconds with 41 queries by YEKTAWEB 4645