استفاده از شبکه های RBF برای ردیابی نقطه توان ماکزیمم
Publish place: Second National Conference Clean Energy
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 700
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCE02_212
تاریخ نمایه سازی: 11 مرداد 1393
Abstract:
بیشتر روش هایی که برای تحقق نقطه توان ماکزیمم (MPPT) ارائه شده اند به اطلاعات جزئی از مواد سازنده سلول ها و مشخصات فزیکی سلول ها نیاز دارند و چون برخی از اطلاعات به راحتی در دسترس کاربران نمی باشد ممکن است مدل ریاضی به دست آمده غیر دقیق باشد و MMP تخمین زده شده با MMP واقعی تفاوت قابل ملاحظه ای داشته باشد. اما در این بین مدل هایی که بر اساس شبکه های عصبی مصنوعی (ANN) هستند به مشخصات فیزیکی آرایه خورشیدی نیاز ندارند. ویژگی مشترک شبکه های عصبی مورد استفاده در سیستم های PV، استفاده همه آنها از شبکه عصبی پرسپترون چند لایه است که با استفاده از روش پس انتشار (MLP-BP) آموزش دهی می شوند. این روش دارای سرعت آموزش کندی است و به علاوه ممکن است در طول آموزش، به خاطر وجود نقاط مینیمم محلی، در یک جواب زیربهینه بیفتد. بنابراین ممکن است قادر به ارائه یک مدل بهینه و مناسب برای یک مدل خاص نباشد. در این مقاله یک روش جدید مدل سازی بر اساس شبکه های RBF معرفی می شود. در یک مدل RBFN، فعال سازی واحد مخفی به وسیله یک فاصله بین بردار ورودی و بردار هدف تعیین می شود. این گونه شبکه ها دو مزیت دارند: شیوه های آموزش دهی آنها اساساً سریع تر از الگوریتم BP مورد استفاده در شبکه های MLP است و مزیت مهم تر این که این شبکه ها مشکل رویارویی با نقاط مینیمم محلی را ندارند.
Keywords:
نقطه توان ماکزیمم(MPP) , شبکه عصبی (ANN) , سیستم فتوولتائیک (PV) , شبکه RBF , الگوریتم پس انتشار (BP)
Authors
مهران زابلی زاده
دانشجوی کارشناسی ارشد علوم و تحقیقات سیرجان
مجید محمدی
استادیار دانشگاه باهنر ، کرمان
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 :