کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5450661 1513063 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Systematic cross-validation of photovoltaic energy yield models for dynamic environmental conditions
ترجمه فارسی عنوان
سیستماتیک اعتبارسنجی مدلهای انرژی فتوولتائیک برای شرایط محیطی پویا
کلمات کلیدی
مدل سازی عملکرد انرژی، فتوولتائیک، مدل سازی پویا، شبکه های عصبی،
ترجمه چکیده
رشد مداوم تاسیسات فتوولتائیک در سراسر جهان امید به آینده ای پایدار است، اما همچنین در همه سطوح تولید و توزیع انرژی، چالش های فراوانی را متحمل می شود. اپراتورها و طراحان شبکهای باید با نظارت بر ارائه دهندگان خدمات همکاری بیشتری داشته باشند تا بتوانند طرح انعطاف پذیری از مبادله انرژی را حفظ کنند. اساس این محاسبات، مدل های برآورد دقیق عملکرد انرژی است که قادر به ضبط تمام اثرات محیط می باشند. به خصوص برای مکان هایی با تابش بسیار پویا و شرایط محیطی، این یک چالش جدی است. تمام مدلهای عملکرد انرژی فتوولتائیک ارائه شده در این کار، هدف قرار دادن پویایی ذاتی این مکان های چالش انگیز در مقیاس زمانی کوتاه است. مدل دقیق عملکرد انرژی الکتریکی حرارتی مبتنی بر فیزیک همراه با دیگر مدل های پیشرفته و معتبر و 25٪ دقیق تر به دست می آید. علاوه بر این، نتایج مدلسازی پویا به یک مدل شبکه عصبی منتقل می شود و دقت بیشتری را تا شش برابر بهتر از هر راه حل پارامتری افزایش می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
سیستماتیک اعتبارسنجی مدلهای انرژی فتوولتائیک برای شرایط محیطی پویا
چکیده انگلیسی
The continuous growth of photovoltaic installations globally carries hope for a sustainable future but also imposes challenges on all levels of energy production and distribution. Grid operators and designers have to cooperate more closely with monitoring service providers in order to sustain a flexible scheme of energy exchange. The basis of these calculations is accurate energy yield estimation models, which are able to capture all effects of the environment. Especially for locations with highly dynamic irradiance and environmental conditions, this remains a tough challenge. All photovoltaic energy yield models presented in this work aim at accommodating the inherent dynamism of these challenging locations at small time scales. A detailed, physics based electro-thermal energy yield model is validated along with other state-of-the-art models and performs 25% more accurately. Additionally, the results from the dynamic modeling are transferred to a neural network model, increasing the accuracy further up to six times better than any parametric solution.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Solar Energy - Volume 155, October 2017, Pages 698-705
نویسندگان
, , , , ,