Neural Network Models for Predicting the electrical behavior of the PV systems in a grid connected application
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 734
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ETEC04_092
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
Solar energy is considered as the most important source of renewable energy. Considering that the average amount of energy received in the year about KWH/M2 2000 and the number of sunny hours is more than 2800 hours per year, This paper define a circuit-based simulation model for a PV cell in order to allow estimate the electrical behavior of the cell with respect changes on environmental parameter of temperature and irradiance. The general model was implemented and accepts irradiance and temperature as variable parameters and outputs the I-V characteristic. The final objective is develops a general model to simulate the electrical behavior of the PV systems in a grid connected application. The obtained results confirm the superiority of the RBF technique over the MLP technique in most of the cases, namely, some models with deterministic coefficients near 90 % and low MBE, MAPE and RMSE values.
کلیدواژه ها:
نویسندگان
Mohammad Dehghan
M.sc student Department of Electrical and Computer Engineering, Islamic Azad University, science and research branch of kerman
Farshid Keynia
Assistant Professor Department of Electrical and Computer Engineering, Islamic Azad University,science and research branch of Kerman,
Hossein Amiri
Assistant Professor Department of Electrical and Computer Engineering, Islamic Azad University,science and research branch of Kerman
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 :