نموذج لمراقبة أداء الطاقة الشمسية الكهروضوئية والتنبؤ الإحصائي باستخدام الشبكة العصبية متعددة الطبقات والذكاء الاصطناعي

IF 1.2 Q3 MULTIDISCIPLINARY SCIENCES

Baghdad Science Journal Pub Date : 2024-05-25 DOI:10.21123/bsj.2024.10736

G. Kumaravel, S. Kirthiga, Mohammed Mahmood Hamed Al Shekaili, Qais Hamed Saif Abdullah AL Othmani

{"title":"نموذج لمراقبة أداء الطاقة الشمسية الكهروضوئية والتنبؤ الإحصائي باستخدام الشبكة العصبية متعددة الطبقات والذكاء الاصطناعي","authors":"G. Kumaravel, S. Kirthiga, Mohammed Mahmood Hamed Al Shekaili, Qais Hamed Saif Abdullah AL Othmani","doi":"10.21123/bsj.2024.10736","DOIUrl":null,"url":null,"abstract":"إن الطبيعة الطبوغرافية لسلطنة عمان تجعل نظام الطاقة الشمسية خيارًا قابلاً للتطبيق وموثوقًا لإنتاج الطاقة بكميات كبيرة في سوق الطاقة المتجددة. تشهد العديد من المناطق الصحراوية في عمان مستويات عالية من الإشعاع الشمسي. وهذا مناسب للأنظمة الكهروضوئية لأن كفاءتها تعتمد بشكل أساسي على الإشعاع الشمسي. ومع ذلك، في التطبيقات في الوقت الفعلي، تؤثر العديد من العوامل البيئية على كفاءة الألواح الشمسية وبالتالي على أدائها. في هذه المقالة، تم اقتراح الشبكة الطبيعية (العصبية) الأمامية متعددة الطبقات (MFFN) لتتبع أداء نظام الطاقة الشمسية الكهروضوئية من أجل استبدال أو تحسين أداء نظام الطاقة الشمسية الكهروضوئية بناءً على حالته الحالية. يتم استخدام خوارزمية الانتشار العكسي (BPA) لتدريب MFFN.","PeriodicalId":8687,"journal":{"name":"Baghdad Science Journal","volume":null,"pages":null},"PeriodicalIF":1.2000,"publicationDate":"2024-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Baghdad Science Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21123/bsj.2024.10736","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"MULTIDISCIPLINARY SCIENCES","Score":null,"Total":0}

引用次数: 0

Abstract

إن الطبيعة الطبوغرافية لسلطنة عمان تجعل نظام الطاقة الشمسية خيارًا قابلاً للتطبيق وموثوقًا لإنتاج الطاقة بكميات كبيرة في سوق الطاقة المتجددة. تشهد العديد من المناطق الصحراوية في عمان مستويات عالية من الإشعاع الشمسي. وهذا مناسب للأنظمة الكهروضوئية لأن كفاءتها تعتمد بشكل أساسي على الإشعاع الشمسي. ومع ذلك، في التطبيقات في الوقت الفعلي، تؤثر العديد من العوامل البيئية على كفاءة الألواح الشمسية وبالتالي على أدائها. في هذه المقالة، تم اقتراح الشبكة الطبيعية (العصبية) الأمامية متعددة الطبقات (MFFN) لتتبع أداء نظام الطاقة الشمسية الكهروضوئية من أجل استبدال أو تحسين أداء نظام الطاقة الشمسية الكهروضوئية بناءً على حالته الحالية. يتم استخدام خوارزمية الانتشار العكسي (BPA) لتدريب MFFN.

查看原文本刊更多论文

使用多层感知器神经网络和人工智能的太阳能光伏性能监测和统计预测模型

阿曼的地形使太阳能系统成为可再生能源市场上大规模能源生产的一个可行而可靠的选择。阿曼的许多沙漠地区都有很高的太阳辐射。这对光伏系统十分有利，因为其效率主要取决于太阳辐射。然而，在实时应用中，许多环境因素会影响太阳能电池板的效率，从而影响其性能。本文提出了一种多层前馈自然（神经）网络（MFFN）来跟踪太阳能光伏系统的性能，以便根据太阳能光伏系统的当前状态更换或优化其性能。MFFN 采用反向传播算法 (BPA) 进行训练。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Baghdad Science Journal MULTIDISCIPLINARY SCIENCES-

CiteScore

2.00

自引率

50.00%

发文量

102

审稿时长

24 weeks

期刊介绍： The journal publishes academic and applied papers dealing with recent topics and scientific concepts. Papers considered for publication in biology, chemistry, computer sciences, physics, and mathematics. Accepted papers will be freely downloaded by professors, researchers, instructors, students, and interested workers. ( Open Access) Published Papers are registered and indexed in the universal libraries.