کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7545220 | 1489593 | 2018 | 8 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Artificial intelligence solution for managing a photovoltaic energy production unit
ترجمه فارسی عنوان
راه حل هوش مصنوعی برای مدیریت واحد تولید انرژی فتوولتائیک
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
پیش بینی تولید برق، مدیریت تولید انرژی فتوولتائیک، شبکه های عصبی مصنوعی، برنامه ریزی قدرت مطلوب،
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1-مقدمه
2-هوش مصنوعی در تولید برق فتوولتائیک
2-1- شبکه عصبی مصنوعی پیشخور به عنوان برآورد کننده
2-2- شبکه عصبی مصنوعی پیشخور در تولید برق فتوولتائیک
3-طراحی و پیاده سازی از یک تخمین تولید برق شبکه عصبی مصنوعی
3-1- شناسایی مدل پیش بینی
شکل: SEQ شکل:_ \* ARABIC 1 رگرسیون چند جمله ای برای مدلسازی تولید ماهانه برق
شکل: SEQ شکل:_ \* ARABIC 2 میانگین رگرسیون حرکتی (با دو دوره) برای مدلسازی تولید ماهانه برق
شکل: SEQ شکل:_ \* ARABIC 3نمونه تکامل تولید روزانه برق برای سایت تولیدی مورد نظر
شکل: SEQ شکل:_ \* ARABIC 4نمونه تکامل تولید روزانه برق برای سایت تولیدی مورد نظر
3-2- پیش بینی تولید برق بر اساس شبکه عصبی پیشخور چند لایه
4-نتایج و یافته های اصلی
شکل: SEQ شکل:_ \* ARABIC 5 مثالی از پیش بینی تولید برق نمونه ساعتی با توجه به یک روز پنجره داده رگرسیون
شکل: SEQ شکل:_ \* ARABIC 6 مثالی از پیش بینی تولید برق نمونه ساعتی با توجه به 10 روز پنجره داده رگرسیون
جدول: SEQ جدول:_ \* ARABIC 1 مقادیر بدست آمده برای شاخص های عملکرد از پیش بینی
5-نتیجه گیری و کارهای آینده
کلمات کلیدی
1-مقدمه
2-هوش مصنوعی در تولید برق فتوولتائیک
2-1- شبکه عصبی مصنوعی پیشخور به عنوان برآورد کننده
2-2- شبکه عصبی مصنوعی پیشخور در تولید برق فتوولتائیک
3-طراحی و پیاده سازی از یک تخمین تولید برق شبکه عصبی مصنوعی
3-1- شناسایی مدل پیش بینی
شکل: SEQ شکل:_ \* ARABIC 1 رگرسیون چند جمله ای برای مدلسازی تولید ماهانه برق
شکل: SEQ شکل:_ \* ARABIC 2 میانگین رگرسیون حرکتی (با دو دوره) برای مدلسازی تولید ماهانه برق
شکل: SEQ شکل:_ \* ARABIC 3نمونه تکامل تولید روزانه برق برای سایت تولیدی مورد نظر
شکل: SEQ شکل:_ \* ARABIC 4نمونه تکامل تولید روزانه برق برای سایت تولیدی مورد نظر
3-2- پیش بینی تولید برق بر اساس شبکه عصبی پیشخور چند لایه
4-نتایج و یافته های اصلی
شکل: SEQ شکل:_ \* ARABIC 5 مثالی از پیش بینی تولید برق نمونه ساعتی با توجه به یک روز پنجره داده رگرسیون
شکل: SEQ شکل:_ \* ARABIC 6 مثالی از پیش بینی تولید برق نمونه ساعتی با توجه به 10 روز پنجره داده رگرسیون
جدول: SEQ جدول:_ \* ARABIC 1 مقادیر بدست آمده برای شاخص های عملکرد از پیش بینی
5-نتیجه گیری و کارهای آینده
ترجمه چکیده
هدف از این پژوهش بررسی امکان استفاده از هوش مصنوعی در پیشبینی تولید انرژی فتوولتائیک است. رویکرد ارائهشده به عنوان یک ماژول مدیریت انرژی و برنامهریزی تولید یک نیروگاه فتوولتائیک در بخش مرکزی رومانی تلقی میشود. هدف اصلی این تحقیق توسعه یک راهحل است که تولید الکتریسیته (برق) را براساس دادههای تابش خورشیدی موجود و تاریخچه آن در زمان واقعی (بلادرنگ) فراهم کند. موارد ورودی داده های مختلف و پیکربندی شبکه عصبی مصنوعی تست میشوند و به عنوان مبنا برای بحثها و نتایج مورد استفاده قرار میگیرند.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی صنعتی و تولید
چکیده انگلیسی
The aim of the paper is to investigate the possibility of using artificial intelligence in photovoltaic energy production forecasting. The presented approach is conceived as a module of energy management and production planning of a photovoltaic power plant located in central part of Romania. The main goal of the research is to develop a solution that provides the electricity production based on historical and current available solar radiation data in real-time. Different data input cases and configurations of feedforward neural network are tested and used as a basis for discussions and conclusions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Manufacturing - Volume 22, 2018, Pages 626-633
Journal: Procedia Manufacturing - Volume 22, 2018, Pages 626-633
نویسندگان
Adrian Gligor, Cristian-Dragos Dumitru, Horatiu-Stefan Grif,