تخمین توان تولیدی پنل های مونوکریستال و پلی کریستال توسط شبکه عصبی

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 ]۱۰ ۱۰ ۱۰[ دارای تکرار ۳۲ با میانگین مربعات خطا ۵۱/۲۰۷۸۰ و نیز ضریب همبستگی با داده های تست مقدار ۰/۹۱۴۲، اعتبارسنجی مقدار ۰/۹۱۵۱ و آموزش مقدار ۰/۹۱۶۴۴ انتخاب گردید.

Keywords:

Modelling , Monocrystal , Polycrystal , Neural Network , مدل سازی , شبکه عصبی , مونوکریستال , پلی کریستال