یک مدل شبکه عصبی جهت برآورد تابش سراسری خورشید در سطح افقی
چکیده
پژوهش حاضر بر توسعه و ایجاد مدل (شبکه عصبی مصنوعی) (ANN) جهت برآورد تابش روزانۀ سراسری خورشید در سطح افق در داکا تمرکز دارد. در این تجزیه و تحلیل، الگوریتم پس انتشار استفاده می گردد. روز سال، میانگین روزانه دمای هوا، رطوبت نسبی و مدت زمان تابش پرتو خورشید به عنوان داده های ورودی استفاده شدند. در حالی که تابش خورشید روزانه سراسری تنها خروجی ANN بود. پایگاه داده ها شامل 1827 دادۀ اندازه گیری شده به صورت روزانه بین سال های 2008 و 2012 برحسب میانگین دمای هوای روزانه، رطوبت نسبی، طول مدت تابش خورشید و تابش سراسری خورشید بود. داده ها از واحد هواشناسی بنگلادش گردآوری شد. 1461 دادۀ اندازه گیری شده به صورت روزانه بین سال های 2008 و 2011 در راستای آموزش شبکه های عصبی استفاده شدند، در حالی که داده های 366 روز (سال کبیسه) از سال 2012 برای بررسی شبکۀ عصبی استفاده می شود. از جعبه ابزار شبکۀ عصبی MATLAB برای آموزش و آزمایش شبکه بهره گرفته می شود. هر دو مقدار اندازه گیری شده و برآورد شدۀ تابش روزانۀ سراسری خورشیدی در سطح افق در طی فاز آزمون از لحاظ آماری با استفاده از دو روش با هم مقایسه شدند: خطای میانگین مربع جذر (RMSE) و مقدار R رگرسیون (R) که به ترتیب دارای مقدار 113/6 WH/m2 و 0.9744. نتایج این مطالعه در مقایسه با دیگر مدل های پیش بینی متعارف که تاکنون در بنگلادش مورد استفاده بوده اند صحت بهتر و بیشتری را نشان داد. این مدل ANN برای پیش بینی تابش خورشیدی در هر نقطه از بنگلادش مناسب است و مشروط بر آن که نمونه های داده های طول مدت تابش از هر محل موجود باشد.
مقدمه
انرژی به طور قطع نقش حیاتی در توسعه و رفاه بشر ایفا می کند. یک رابطه مستقیم بین توسعۀ کشورها و مصرف انرژی آن کشور وجود دارد. دنیا برای تأمین نیازهای انرژی خود در آینده به دنبال منبع انرژی تمام ناشدنی است. در صورتی که انرژی خورشیدی به شیوۀ کارآمد هزینه ایی استفاده گردد می توان به عنوان بهترین گزینه از بین تمام انرژی های مرسوم انتخاب گردد. میزان انرژی خورشیدی دریافتی توسط زمین در هر سال دو برابر بیشتر از انرژی تولید شده توسط ذخایر فسیلی موجود روی زمین می باشد. تولید برق در انرژی خورشیدی به عنوان راه حل تقاضای روزافزون انرژی روز به روز رایج تر می گردد. مهمترین پارامتر در کاربردهای انرژی تجدیدپذیر، تابش خورشیدی است. انتظار می رود که برنامۀ توسعه و تحقیق جهانی درخصوص انرژی خورشیدی به حل بحران انرژی جهان در آینده کمک کند.
Abstract
This research focuses on the development of artificial neural network (ANN) model for estimation of daily global solar radiation on horizontal surface in Dhaka. In this analysis back-propagation algorithm is applied. Day of the year, daily mean air temperature, relative humidity and sunshine duration were used as input data, while the daily global solar radiation was the only output of the ANN. The database consists of 1827 daily measured data, between 2008 and 2012, in term of daily mean air temperature, relative humidity and sunshine duration and global solar radiation. The data has been collected from Bangladesh Meteorological Department. The 1461 daily measured data between 2008 and 2011 are used to train the neural networks while the data of 366 (leap year) days from 2012 are used to test the neural network. MATLAB neural network toolbox is used to train and test the network. Both estimated and measured values of daily global solar radiation on horizontal surface were compared during testing phase statistically using two methods: Root Mean Square Error (RMSE) and Regression R Value (R), giving a value of 113.6 Wh/m 2 and 0.9744, respectively. The results of this study have shown a better accuracy than other conventional prediction models that have been used up to now in Bangladesh. This ANN model may be suitable for predicting solar radiation at any location in Bangladesh, provided that samples of the sunshine duration data from the locations are available.
I. INTRODUCTION
Energy certainly plays a vital role in development and welfare of human being. There exists a direct correlation between the development of a country and its consumption of energy. To meet the future energy needs the world is looking for a non-exhaustible energy source. If used in a cost effective manner, solar energy can be the best choice among the all nonconventional energies. The amount of solar energy the earth receives each year is ten times more than the energy that can be produced from all fossil reserves available on earth [1]. Generation of electricity from solar energy is gaining popularity as a solution to the growing energy demands. The most important parameter in renewable energy applications is solar radiation. It is expected that the present worldwide research and development program on solar energy will help to solve the future energy crisis of the world.
چکیده
1- مقدمه
2- شبکه های عصبی مصنوعی
3- روش کار
4- نتیجه و بحث
5- نتیجه گیری
Abstract
I. INTRODUCTION
II. ARTIFICIAL NEURAL NETWORK
III. METHODOLOGY
IV. RESULTS AND DISCUSSION
V. CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه