Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مقایسه عملکردشبکه MLP و شبکه RBF برایشبیه سازی سلول های خورشیدی

بیستمین کنفرانس بین المللی برق
سال انتشار: 1384
کد COI مقاله: PSC20_221
زبان مقاله: فارسیمشاهده این مقاله: 2,799
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه عملکردشبکه MLP و شبکه RBF برایشبیه سازی سلول های خورشیدی

حسین امانی - کارشناس ارشد دانشگاه علم و صنعت
خدایار جوانی - کارشناس ارشد دانشگاه علم و صنعت
محمد صادقی راد - دانشجوی دکتری دانشکده فنی دانشگاه تهران
محمدعلی شرکت معصوم - دانشیار دانشگاه علم و صنعت

چکیده مقاله:

سیستمهای فتوولتائیک منابع قدرت غیر خطـی هسـتند کـه توان خروجی آنها به شدت تحت تاثیر دو عامل تابش و دمای محیط می باشد . یکی از معایب این سیستمها بازده بسیار پـایین آنها می باشد , چرا که سلولهای خورشیدی به نـدرت در نقطـه حداکثر توان کار می کنند . در این مقاله دو روش شبکه عصبی MLP و RBF بـرای شبیه سازی سلول خورشیدی استفاده شده است . پس از پیاده سازی دو روش شبکه عصبی فـوق , داده هـای اندازه گیری به دست آمده از یک سلول واقعی ساخت شرکت فیبر نوری ایران به شبکه اعمال و نتایج مدل سازی ارائه شـده و سپس نتایج بدست آمده مورد بررسی و مقایسه قرار گرفتـه است .

کلیدواژه ها:

سلول خورشیدی ، شبکه عصبی ، شبکه MLP و RBF ، آموزش و آزمایش شبکه عصبی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا PSC20_221 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/20530/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
امانی، حسین و جوانی، خدایار و صادقی راد، محمد و شرکت معصوم، محمدعلی،1384،مقایسه عملکردشبکه MLP و شبکه RBF برایشبیه سازی سلول های خورشیدی،بیستمین کنفرانس بین المللی برق،تهران،https://civilica.com/doc/20530

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1384، امانی، حسین؛ خدایار جوانی و محمد صادقی راد و محمدعلی شرکت معصوم)
برای بار دوم به بعد: (1384، امانی؛ جوانی و صادقی راد و شرکت معصوم)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • حسین امانی " شبیه سازی سلولهای خورشیدی با استفاده از ...
  • شبیه سازی سلول خورشیدی و پیش بینی نقطه حداکثر توان آن بوسیله شبکه های عصبی [مقاله کنفرانسی]
  • Alghuwainem, S. M., *Matching of DC Motor to Photovoltaic Generator ...
  • M.S. Imamura, P. Helm, W. Palz, ، ،Photovoltaic System Technology ...
  • H. S. Rauschenb ach, _ Cell Aray Design Handbook: The ...
  • HAIKIN, S.:، Neural network: a comprehen sive foundation (Prentice Hall, ...
  • CHEN, S _ , COW AN, C .F.N., and GRANT, ...
  • S. CHEN, P.M. Grant and CFN cowant, 'Orthogonal Least Squares ...
  • M. A. S. Masoum, H. Dehbonei and E. F. Fuchs, ...
  • A. Al-Amoudi, L. Zhang, 4Application 6f radial basis function networks ...
  • MASHALY, H.M., SHARAF, A.M., MANSOUR, M., EL- SATTAR, A.A., ، ...
  • HIYAMA, T. _، Identification of optimal operating point of PV ...
  • HIYAMA, T.، Evaluation of neural network based real time maximum ...
  • HIYAMA, T.، Neural network based estimation of maximum power generation ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 23,486
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی