Long-Term Solar Irradiance Forecasting Using Feed-Forward Back-Propagation Neural Network
- سال انتشار: 1395
- محل انتشار: سومین کنفرانس بین المللی فناوری و مدیریت انرژی
- کد COI اختصاصی: IEAC03_013
- زبان مقاله: انگلیسی
- تعداد مشاهده: 494
نویسندگان
Faculty of Electrical and Computer Engineering University of Tabriz Tabriz, Iran
Faculty of Electrical and Computer Engineering University of Tabriz Tabriz, Iran
Faculty of Electrical and Computer Engineering University of Tabriz Tabriz, Iran
چکیده
Nowadays, it is widely acknowledged by power producers, utility companies and independent system operators that it is only through advanced forecasting, communications and control that renewable energy resources can collectively provide a firm, dispatchable generation capacity to the power systems. One of the challenges of realizing such a goal is the precise forecasting of solar irradiation, which is affected by latitude, terrain, season, time of day, and atmospheric conditions. Hence, this paper proposes a novel methodology for long-term solar radiation forecasting with hourly time intervals using feed-forward back-propagation time series artificial neural network. Simulation result proves that the proposed algorithm can offer highly features of compatibility and accuracy for solar predictions in comparison with actual solar radiation intensity reported by national solar radiation data base (NSRDB).کلیدواژه ها
Solar radiation forecasting; feed-forward back-propagation algorithm (FBPA); time series artificial neural network (TS-ANN)مقالات مرتبط جدید
- ارزیابی انواع تهدیدات و شدت آنها در زیستگاههای کلان ایران
- اجرای پایلوت نانوپوشش سیلیکونی بر روی تجهیزات عایقی پست های منتخب تهران و مشهد و بررسی نتایج عملکرد میدانی
- تدوین دستورالعمل برای استفاده از نانوسیالات خنک کننده نیروگاهی
- تولید نانو الیاف کامپوزیتی کربن/ NiMoO۴ به روش الکتروریسی
- پوششش دهی و آزمون مقره های سرامیکی ۷۰ کیلو نیوتون با مواد سیلیکونی حاوی نانو ذرات سیلیکا
اطلاعات بیشتر در مورد 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.