مدیریت و مدل پیش بینی توان تولیدی منابع فتوولتاییک و مصرف بار در شبکه های توزیع فشار ضعیف

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 476

فایل این مقاله در 14 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF03_258

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

انرژی خورشیدی پتانسیل نظری بالای را برای برآورده کردن تقاضا فزایند انرژی در جهان دارد و زمانیکه جنبه ی کاربرد حقیقی آن مطرح می شود، دسترس پذیری و متناوب بودن انرژی خورشیدی باید در نظر گرفته شود. ضمن اینکه، مدیریت انرژی نیز در زمینه ی اقتصادی ضروری می باشد. مصرف بار نقش کلیدی را در سیستم مدیریت انرژی، نه تنها برای مشترکین خانگی، بلکه برای ساختمان های تجاری یا شرکت های تولیدی ایفاء می کند. بنابراین استفاده از پیش بینی تولید توان خورشیدی و مصرف بار می تواند عدم قطعیت در سیستم فتوولتاییکی را کاهش دهد، بکارگیری انرژی خورشیدی را به سود رساند و هزینه در بخش برق رسانی را کاهش دهد. در این مقاله، ENN برای پیش بینی تولید روزانه سیستم فتوولتاییکی و ابزار ارزیابی تخمین مصرف آبگرم با استفاده از سیستم مدیریت انرژی برای مصرف بار به کار گرفته شده است.

کلیدواژه ها:

شبکه عصبی المن (ENN) ، مدیریت سمت تقاضا(DSM) ، کنترل مستقیم بار (DLC) ، آبگرمکن های الکتریکی (EWHs) ، منابع فتوولتاییک (PV) ، منابع انرژی تجدیدپذیر (RES)

نویسندگان

محمد تاج موسوی

دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد تهران غرب، تهران

علیرضا ذکریازاده

دانشکده مهندسی برق، دانشگاه علم و فناوری مازندران، بهشهر

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 :
  • novel domestic electric water heater model Aه 10. Paull L., ...
  • Heussen K. S., Biegel B. and K. Andersen (2012), "Indirect ...
  • LeMay M., Nelli R., Gross G., and Gunter C A. ...
  • Ilic M., Black J. W. and Watz J. L (2002), ...
  • Wilson J., Rosenfeld A. and Jaske M. (2002), "Using demand ...
  • Crossley D. J. (2008), "Tradeable energy efficiency certificates in Australia, ...
  • Sinha A., Neogi S., Lahiri R., Chowdhury S. and Chakraborty ...
  • McKelvie P., Hoddinott J., Boland G. and Kahl G. (1992), ...
  • Diduch C., Shaad M., Errouissi R., Kaye M., Meng J. ...
  • Lane I. and Beute N. (1996), "A model of the ...
  • Orphelin M. and Adnot J. (1999), "Improvement of methods for ...
  • Shao S., Pip attanasomporn _ and Rahman S (2013), "Development ...
  • Kondoh J., Lu N. and Hammerstrom D. J. (2011), _ ...
  • Bacher P. Short-term Solar power prediction [D]. Kgs. Lyngby, Copenhagen, ...
  • _ Lin, W.M., Hong, C.M. A new Elman neural network-based ...
  • Muhammad Qamar Razaa, Abbas Khosravic. A review on artificial intelligence ...
  • نمایش کامل مراجع