پیشبینی عملکرد حرارتی و الکتریکی گردآورنده حرارتی فتوولتائیکخورشیدی با استفاده ازشبکههای عصبی مصنوعی
Publish place: 2nd Annual International Clean Energy Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,039
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CLEANENERGY02_042
تاریخ نمایه سازی: 1 آذر 1391
Abstract:
در این مقاله به شبیهسازی و پیشبینی عملکرد گردآورندهحرارتی فتوولتائیک خورشیدی با استفاده از روش شبکههای عصبی مصنوعی پرداخته شده است. برای تعلیم شبکه عصبی از دادههای آزمایشگاهیاندازهگیریشده در شهر زاهدان استفاده شده است. پارامترهای ورودی شبکه شامل زمان، شدت تابش خورشید، دمای سطح سلول و دمای محیط و سرعت باد و پارامترهای خروجی شبکه شامل دمایسیال خروجی و توانالکتریکی حداکثر می باشند. برای تعلیم شبکه عصبی از الگوریتم لونبرگ- مارکوئت که از نوع شبکههای پس انتشار میباشد، استفاده شده است. برای تعیین وزنهای ارتباطی از توابعسیگموئیدی استفاده شدهاست. از چند شبکه عصبی با تعداد نرونهای مختلف در لایه مخفی مختلف برای شبیهسازی استفاده شده و پس از بررسی عملکرد آنها، بهترین شبکه برای پیشبینیعملکرد مورد استفاده قرار گرفتهاست. برای ارزیابی عملکرد شبکه عصبی از خطای میانگین مربعات و تحلیل رگراسیون استفاده شدهاست. نتایج شبیه سازی نشان میدهند که یک شبکه با 10 نروندر لایه مخفی بهترین عملکرد را برای پیشبینی عملکرد حرارتی و الکتریکی گردآورنده حرارتی فتوولتائیک خورشیدی دارد و همچنین با استفاده از این روش بدون نیاز به حل معادلات پیچیده غیرخطی حاکم بر سیستم و در زمان خیلی کوتاهی میتوان عملکرد سیستم را در شرایط مختلف مورد ارزیابی قرارداد.
Keywords:
Authors
حمزه روایی
دانشجوی کارشناسی ارشد مهندسی مکانیک- تبدیل انرژی ، دانشگاه سیستان و ب
سعید فراهت
دکتری مهندسی مکانیک-کاربرد کامپیوتر، دانشیار گروه مهندسی مکانیک، دا
فرامرز سرحدی
دکتری مهندسی مکانیک-کاربرد کامپیوتر، دانشیار گروه مهندسی مکانیک، دا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :