کاربرد شبکه های عصبی در پیش بینی عملکرد و بهینه سازی گردآورنده حرارتی فتوولتائیک خورشیدی

در این تحقیق به پیش بینی عملکرد گردآورنده حرارتی فتوولتائیک خورشیدی (pv/t) با استفاده از شبکه های عصبی مصنوعی پرداخته شده است. مزیت استفاده از روش شبکه های عصبی مصنوعی این است که با استفاده از این روش برای شبیه سازی، دیگر نیازی به حل معادلات پیچیده غیر خطی نیست و فقط با دادن مقادیر ورودی و خروجی به تعدادکافی برای آموزش شبکه، خود شبکه داده های جدید ورودی را تحلیل کرده و خروجی مناسب را به دست می دهد و می تواند از صرف زمان و هزینه زیاد برای انجام آزمایشات متعدد و دشوار برروی سیستم جلوگیری کند. در این تحقیق، از روش شبکه های عصبی برای پیش بینی عملکرد و بهینه سازی دو نوع گردآورنده فتوولتائیک حرارتی آبی و هوایی استفاده شد. از داده های آزمایشگاهی اندازه گیری شده در شهر زاهدان و دانشگاه سیستان و بلوچستان به همراه داده های مدل سازی simulink انجام شده برای آموزش شبکه استفاده شده است. هم چنین با استفاده از شبکه عصبی تحلیل حساسیت بر روی پارامترهای آب و هوایی و هندسی گردآورنده انجام و نتایج آن با نتایج تحلیلی مقایسه گردید. درپایان اثر تغییر هریک از پارامترها روی راندمان انرژی سیستم بررسی گردید. و نقطه بهینه کارکرد برای هر دو نوع گردآورنده تعیین گردید. نتایج این پایان نامه نشان داد که استفاده از روش شبکه های عصبی روشی مناسب، سریع و کم هزینه برای بررسی عملکرد گردآورنده حرارتی فتوولتائیک خورشیدی به جای انجام آزمایش یا تحلیل تئوری است.