چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008795 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
607 Kb
حجم فایل فارسی :
912 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
پیش بینی میان مدت و کوتاه مدت توان خورشیدی با استفاده از شبکه های عصبی مصنوعی
عنوان انگليسي
Short–mid-term solar power prediction by using artificial neural networks
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 9 صفحه انگلیسی به صورت پی دی اف و 14 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
تابش خورشید یکی از مهمترین منابع انرژی تجدیدپذیر است و تکنولوژی های مرتبط با این منبع به کاربردهای سطح بالایی رسیده است. پیش بینی تابش خورشید مقداری عدم قطعیت را به دنبال دارد که به پارامترهای جوی مانند درجه حرارت، میزان ابر، گرد و غبار و رطوبت نسبی بستگی دارد. این شرایط منابع عدم قطعیت جدیدی را برای پیش بینی این پارامتر نجومی به وجود می آورد. در این حالت، پیش بینی تولید برق توسط فتوولتائیک و یا سایر تکنولوژی های خورشیدی می تواند بهتر از تابش مستقیم خورشید باشد. در این مقاله، ابتدا، روش شبکه های عصبی مصنوعی (ANN) به داده های به دست آمده از یک پانل خورشیدی PV توان 750 وات اعمال می شود. هدف اصلی این مقاله تعیین افق زمانی است که دارای بالاترین ارائه برای پیش بینی برق تولیدی توسط انرژی خورشیدی است. دیده می شود که در ماه آوریل افق زمانی 5 دقیقه بهترین پیش بینی انرژی خورشیدی را برای کوتاه مدت ارائه می دهد و برای میان مدت 35 دقیقه بهترین زمان ها هستند. علاوه بر این، در آگوست، این افق های زمانی برای کوتاه مدت و میان مدت، به مدت 3 و 40 دقیقه به دست آمده اند. در طی ماه های آوریل و اوت، خطاهای Square Root Mean Square (RMSE ها) بین مقادیر اندازه گیری شده و آزمایش ها به ترتیب بین 33-55 و 37-63 وات تغییر یافته است. به خصوص، در طی ماه اوت برای تابش خورشید، وضعیت ثابت مشاهده می شود و این شرایط باعث می شود که ANN به راحتی تولید برق از 30 تا 300 دقیقه را پیش بینی کند.
1-مقدمه
با توجه به تغییرات آب و هوای جهان، انسان باید به انرژی های تجدید پذیر به خصوص انرژی خورشیدی و باد توجه کند. تمام انرژی های تجدید پذیر، به جز زمین گرمایی و جزر و مد، اشکال مختلف انرژی خورشیدی هستند. متاسفانه منابع انرژی تجدیدپذیر دارای برخی مشکلات مربوط به تداوم هستند. به عبارت دیگر، این منابع دارای مشکلات عدم پیوستگی هستند…
پیش بینی توان خورشیدی
:کلمات کلیدی
Abstract
Solar irradiation is one of the major renewable energy sources and technologies related with this source have reached to high level applications. Prediction of solar irradiation shows some uncertainties depending on atmospheric parameters such as temperature, cloud amount, dust and relative humidity. These conditions add new uncertainties to the prediction of this astronomical parameter. In this case, prediction of generated electricity by photovoltaic or other solar technologies could be better than directly solar irradiation. In this paper, firstly, Artificial Neural Networks (ANNs) methodology is applied to data obtained from a 750 W power capacity of solar PV panel. The main objective of this paper is to determine time horizon having the highest representative for generated electricity prediction of small scale solar power system applications. It is seen that 5 min time horizon gives the best solar power prediction for short term and 35 min could be used for medium terms in April. In addition, these time horizons have increased to 3 and 40 min for very short time and medium time prediction respectively during August. During April and August Root Mean Square Errors (RMSEs) between measured and testing values changed between 33–55 W and 37–63 W ranges respectively. Especially, during August for solar irradiation, stationary conditions are observed and these situations let ANN predict easily generated electricity from 30 to 300 min ahead.
Keywords:
solar power artificial neural networks
سایر منابع مهندسی برق در زمینه انرژی خورشیدی