ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Improving Solar Power System's Efficiency Using Artificial Neural Network

العنوان بلغة أخرى: تحسين كفاءة أنظمة الطاقة الشمسية باستخدام تقنية الشبكات العصبية الاصطناعية
المؤلف الرئيسي: الفرا، محمد ابراهيم احمد (مؤلف)
مؤلفين آخرين: العايدى، حاتم على (مشرف)
التاريخ الميلادي: 2018
موقع: غزة
الصفحات: 1 - 83
رقم MD: 1010401
نوع المحتوى: رسائل جامعية
اللغة: الفرنسية
الدرجة العلمية: رسالة ماجستير
الجامعة: الجامعة الإسلامية (غزة)
الكلية: كلية الهندسة
الدولة: فلسطين
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

42

حفظ في:
المستخلص: تعد موارد الطاقة المتجددة هي أفضل طريقة للحد من استخدام الوقود الأحفوري (البترول والفحم والغاز الطبيعي) لإنتاج الطاقة الكهربائية وأيضا لتقليل انبعاث ثاني أكسيد الكربون الضار بالبيئة. الطاقة الشمسية هي واحدة من أهم مصادر الطاقة المتجددة وتعتبر مصدر جيد لتوليد الكهرباء، فهي طاقة نظيفة ومتاحة على نطاق واسع على مدار العام. تقدم هذه الأطروحة حلا لقطاع غزة المحاصر، الذي يعاني من نقص مزمن في الطاقة بسبب الحصار الإسرائيلي المفروض عليه، لذلك استخدام الطاقة الشمسية كنظام احتياطي لتوليد الكهرباء وبنك البطاريات لتخزين الطاقة يعتبر بديلا جيد لاستخدام مولدات الديزل. تستخدم الخلايا الشمسية لتحويل أشعة الشمس الساقطة عليها مباشرة إلى طاقة كهربائية. تتمثل المشكلة الرئيسية في استخدام الخلايا الكهروضوئية أنه مع تغير الظروف الجوية يتغير الجهد الكهربي المنتج وبالتالي فإن الطاقة القصوى الناتجة تتغير. وبسبب ارتفاع تكلفة الأنظمة الشمسية، لذلك فلابد من استغلالها بشكل جيد وإنتاج الطاقة القصوى منها من خلال استخدام متحكم الشبكات العصبية. تقترح هذه الأطروحة متحكم الشبكات العصبية الاصطناعية لتتبع النقطة التي تكون عندها القدرة أقصى ما يمكن من خلال تعديل دورة التشغيل لتضمين عرض النبضة (PWM) لمحول التيار المستمر رافع الجهد للحصول على الطاقة القصوى من الخلايا الشمسية في جميع الأوقات. قدمت الأطروحة تصميم كامل لنظام الخلايا الشمسية مع المتحكم باستخدام برنامج الماتلاب (SIMULINK)، صممت الخلايا الكهروضوئية لمحاكاة عملها في الواقع وربطها مع تقنية تتبع أقصى نقطة للقدرة باستخدام متحكم الشبكات العصبية الاصطناعية لذلك تم إنشاء نموذج الشبكات العصبية الاصطناعية وتدريبه واختبار أداءه. بعد ذلك تم مقارنة نتائج نظام التحكم المصمم مع نتائج نظام الخلايا الشمسية المرتبطة مباشرة بدون تقنية تتبع أقصى نقطة، وقياس أداء النظام عن طريق تغيير الإشعاع الشمسي ودرجة حرارة نموذج الكهروضوئية. تشير النتائج إلى أن متحكم الشبكات العصبية الاصطناعية لتتبع نقطة أقصى قدرة لديه استجابة سريعة للمتغيرات وأكثر كفاءة، مما يعني ضمان نقل الطاقة إلى النظام بأقصى طاقة. وتبين النتيجة أن الوحدة الكهروضوئية المرتبطة مباشرة بدون تقنية تتبع نقطة أقصى قدرة لها كفاءة أقل بسبب عدم التوافق بين الوحدة الكهروضوئية والحمل.