کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8103338 | 1522142 | 2015 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
The artificial neural network for solar radiation prediction and designing solar systems: a systematic literature review
ترجمه فارسی عنوان
شبکه عصبی مصنوعی برای پیش بینی و طراحی منظومه شمسی انرژی خورشیدی: یک بررسی ادبی سیستماتیک است
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
انرژی خورشیدی، پیش بینی تابش خورشیدی، سیستم های خورشیدی، داده کاوی، شبکه های عصبی مصنوعی،
ترجمه چکیده
انرژی خورشیدی تولید شده توسط نور خورشید به علت شرایط مناسبی از شرایط هواشناسی، طبیعت غیر قابل برنامه ریزی است. از این رو، کنترل قدرت سیستم و کسب و کار انرژی نیاز به پیش بینی انرژی خورشیدی (تابش) از چند ثانیه تا یک هفته پیش است. برای مقابله با کاستی های پیش بینی، از روش های مختلف پیش بینی شار خورشیدی استفاده شده است. داده کاوی پیش بینی شده روش های مختلفی برای پیش بینی های تابش خورشید ارائه می دهد که در آن شبکه عصبی مصنوعی یکی از روش های قابل اعتماد و دقیق است. یک بررسی سیستماتیک از ادبیات انجام شد و 24 مقاله را در مورد شبکه عصبی مصنوعی برای طراحی سیستم های خورشیدی و پیش بینی تابش خورشید شناسایی کرد. تکنیک های شبکه عصبی مصنوعی برای طراحی سیستم های خورشیدی و پیش بینی تابش خورشیدی برای ارزیابی ادبیات فعلی بر اساس دقت پیش بینی و ناکافی استفاده شده است. معیارهای ورود و خروج ویژه در دو دور جداگانه برای تعیین مناسب ترین مطالعات برای هدف تحقیق ما مورد استفاده قرار گرفت. علاوه بر این، از نتیجه این مطالعه مشاهده می شود که شبکه عصبی مصنوعی دقت خوبی را از نظر خطای پیش بینی کمتر از 20٪ نشان می دهد. دقت مدل های پیش بینی تابش خورشیدی بستگی به پارامترهای ورودی و الگوریتم های نوع معماری مورد استفاده دارد. بنابراین، شبکه عصبی مصنوعی در مقایسه با سایر مدل های تجربی قادر به مقابله با بسیاری از پارامترهای هواشناسی ورودی است، که آن را دقیق تر و قابل اطمینان تر می سازد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
چکیده انگلیسی
Solar energy generated by sunlight has a non-schedulable nature due to the stochastic environment of meteorological conditions. Hence, power system control and the energy business require the prediction of solar energy (radiation) from a few seconds up to one week in advance. To deal with prediction shortcomings, various solar radiation prediction methods have been used. Predictive data mining offers variety of methods for solar radiation predictions where artificial neural network is one of the reliable and accurate methods. A systematic review of literature was conducted and identified 24 papers that discuss artificial neural network for solar systems design and solar radiation prediction. The artificial neural network techniques were employed for designing solar systems and predicting solar radiations to assess current literature on the basis of prediction accuracy and inadequacies. Specific inclusion and exclusion criteria in two distinct rounds were applied to determine the most relevant studies for our research goal. Further, it is observed from the result of this study that artificial neural network gives good accuracy in terms of prediction error less than 20%. The accuracy of solar radiation prediction models is found to be dependent on input parameters and architecture type algorithms utilized. Therefore, artificial neural network as compared to other empirical models is capable to deal with many input meteorological parameters, which make it more accurate and reliable.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Cleaner Production - Volume 104, 1 October 2015, Pages 1-12
Journal: Journal of Cleaner Production - Volume 104, 1 October 2015, Pages 1-12
نویسندگان
Atika Qazi, H. Fayaz, A. Wadi, Ram Gopal Raj, N.A. Rahim, Waleed Ahmed Khan,