Predicting PV Cell Performance by Artificial Neural Network
| العنوان بلغة أخرى: |
التنبؤ بكفاءة الخلايا الشمسية باستخدام نظام الشبكة العصبية |
|---|---|
| المؤلف الرئيسي: | المعاسفة، صهيب ابراهيم (مؤلف) |
| مؤلفين آخرين: | Abu Zaid, Mahmud (Advisor) , Al Thyabat, Salah (Advisor) |
| التاريخ الميلادي: |
2017
|
| موقع: | مؤتة |
| الصفحات: | 1 - 54 |
| رقم MD: | 954767 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | عمادة الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
19
| المستخلص: |
طبقة المدخلات المستخدمة في هذا النموذج تتكون من ظروف التشغيل التي تؤثر على كفاءة الخلايا الشمسية والتي تشمل كلا من (الإشعاع الشمسي، درجة الحرارة، الزاوية الساعية، نسبة الإشعاع الواصل للخلية، رقم اليوم في السنة، والرطوبة النسبية)، حيث تم جمع بيانات أداء الخلايا الشمسية خلال الفترة (13:00، 14/4/2017 – 19:00، 19/5/2017) بشكل عشوائي، وتم فصلها إلى قسمين، ثلثي البيانات استخدمت في نموذج التدريب، والثلث الأخير استخدم في عملية التنبؤ. أفضل النتائج كانت عندما استخدم النموذج الذي يتكون من طبقتين في كل منهما 8 و5 عقد على التوالي؛ ولذلك اعتمد النموذج 1-5-8-7 في هذه الدراسة، وقد استخدم للتنبؤ بكفاءة الخلايا الشمسية تحت ظروف التشغيل المختلفة. أظهرت النتائج بأن استخدام طبقتين مخفيتين في النموذج تقودنا إلى أفضل نتيجة حيث أن معامل الارتباط كان 0.9646 ونسبة الخطأ كانت 7.36% و15,77% في حالة التدريب والتحقق على التوالي، وأظهر النموذج أن كلا من الخلايا ذات نظام التتبع الكامل وpolar N-S أعطت أعلى إنتاج للطاقة ونسبة للأداء، وكان التحسن في أداء الخلايا عند استخدام أنظمة التتبع بين (أقل من 1% إلى 24%) في حين أن نظام التتبع الكامل و polar N-Sيعطي أفضل نتيجة. |
|---|
عناصر مشابهة
-
Modeling of Photovoltaic System Output Using Artificial Neural Network
بواسطة: عيسى، صهيب زكريا حسن منشور: (2017) -
Using Enhanced Artificial Neural Networks Model for Classification and Prediction of Diabetes
بواسطة: Qteat, Haneen Omar Ismail منشور: (2019) -
Enhancing Artificial Neural Network Training performance For Prediction of Resevoir Rock Types
بواسطة: Al Alawi, Ghalia Musallam منشور: (2015) -
Analyzing the Effects of Operating Conditions on the Steamflood Performance Using Artificial Neural Networks
بواسطة: Al Qassabi, Nasr Nasser Abdullah منشور: (2013) -
Artificial Bee Colony Optimization of Neural Networks
بواسطة: Al Yahya, Khulood منشور: (2011)
