fa روشی نوین جهت پیش بینی کلی تابش خورشیدی بر روی سطح افقی مدل هاي برنامه ريزي انرژی Energy Planning Models پژوهشي Research میزان تابش خورشید، مهم ترین پارامتر جهت طراحی و توسعه سیستم های مختلف انرژی خورشیدی است. به منظور برآورد تابش خورشیدی، مدل های مختلفی توسط محققان پیشنهاد شده اند که لزوم نصب تجهیزات گران قیمت را در ایستگاه های هواشناسی مرتفع می سازند. معروفترین این مدل ها مدل انگسترم است. به دلیل ساختار غیرخطی و وابسته به پارامترهای محیطی این مدل ها، تکنیک های حل قدرتمندی مورد نیاز است. در این مقاله، روش جدیدی جهت برآورد متوسط روزانه تابش خورشیدی در ماه بر روی سطح افقی، بر مبنای مدل آنگسترم و با استفاده از الگوریتم زنبورها با برنامه نویسی در محیط نرم افزار MATLAB معرفی شده است. ضرایب تجربی مدل آنگسترم برای چهار منطقه آب و هوایی مختلف ایران در محیط نرم افزار محاسبه شده و مقدار متوسط روزانه تابش کلی خورشید تخمینی با روش پیشنهادی در ماه برای مناطق نمونه ارائه شده است . مقایسه بین نتایج بدست آمده از روش پیشنهادی و روش های دیگر، کارایی تکنیک پیشنهادی را برای پیدا کردن تابش خورشیدی برای هر چهار منطقه نمونه ایران ثابت می‌کند. Solar radiation estimation is an important part for various solar energy systems. Many researches have proposed different techniques to estimate the solar radiation that hinder using expencive devices for direction measurement of solar radiation. Nonlinear and complex nature of these methods forced researchers to look for quick and efficient techniques to solve related issues. In this paper, a new method based on the Angstrom equation is introduced which estimates the monthly average daily global solar radiation on a horizontal surface by Bees Algorithm as a heuristic technique implemented in MATLAB software. The empirical coefficients for Angstrom equation are calculated for four different climate regions of Iran using proposed method proved the efficiency and predominance of the new techniue to find a more accurate level of solar radiation. الگوریتم زنبورها، تابش کلی خورشیدی ، معادله آنگسترم، تکنیک های رگرسیون آماری ، تکنیک های هوشمند Bees Algorithm, Global Solar Radiation, Angstrom equation, Statistical regression techniques, Intelligent techniques 0 0 http://necjournals.ir/browse.php?a_code=A-10-1-53&slc_lang=fa&sid=1 Hajar Bagheri هاجر باقری طولابی hajar.bagheri@ieee.org 10031947532846001340 10031947532846001340 Yes Mohammad Hassan Moradi محمدحسن مرادی mh-moradi@yahoo.co.uk 10031947532846001341 10031947532846001341 No Sahar Bagheri سحر باقری طولابی 10031947532846001342 10031947532846001342 No