دانلود پایان نامه عملکرد شبکه های عصبی در شبیه سازی سلول های خورشیدی

قیمت:120000ریال

فهرست مطالب

فصل 1- مروری بر روند، آینده ی مصرف انرژی و لزوم استفاده از انرژی های نو. 9

1-1- مقدمه 9

1-2- بررسي منابع اصلي توليد انرژي الكتريكي در حال حاضر. 11

1-3- مشكل آلودگي محيط زيست... 12

1-4- انرژي‌هاي تجديد پذير (نو) 15

1-4-1- انرژي زمين گرمايي (Geothermal) 16

1-4-2- انرژي فتوولتائيك... 16

1-4-3- انرژي بادي 17

1-4-4- انرژي آبي (سدها) 17

1-4-5- انرژي بيوگاز 17

1-4-6- انرژي امواج 18

1-4-7- توليد هيدروژن.. 18

فصل 2- پارامتر های خورشید.. 20

2-1- مقدمه 20

2-2- پارامترها 21

2-2-1- طول موج‌هاي نور 22

2-2-2- انواع اشعه 23

2-2-3- اثر ابر. 23

2-2-4- موقعیت جغرافیایی.. 24

2-2-5- تأثیر کجی محور زمین.. 24

2-2-6- ارتفاع از سطح دریا 25

2-3- نتیجه‏گیری.. 25

فصل 3- سلول ها و سیستم هایفتو ولتاییک.... 27

3-1- مقدمه 27

3-2- تاریخچه فتوولتاییک.... 27

3-3- نیمه‏هادی‏های مناسب برای سلولهای خورشیدی و فاکتور های دخیل.. 32

3-3-1- میدان الکتریکی محلی.. 36

3-3-2- مسیر نوری 36

3-3-3- نازکی نیمه هادی.. 38

3-3-4- تأثیر متقابل نور نیمه‏هادی.. 38

3-3-5- جمع آوری نوری.. 39

3-4- اتصال P-N 43

3-5- اساس كار سلول‌هاي خورشيدي اتصال P-N.. 44

3-6- مطالعه اتصال P-N در تاریکی.. 45

3-7- اثر ابعاد سلول محدود بر روی .... 50

3-8- مطالعه پیوند p-n در روشنایی.. 50

3-9- رابطه بین مطالعه در حالت تاریکی و روشنایی.. 54

3-10- جریان اتصال کوتاه ( ) 55

3-11- فاکتور پرکنندگی (FF) 55

3-12- پارامترهای خروجی و سلول خورشیدی.. 58

3-13- محاسبات مربوط به پارمترهای سلولی.. 59

3-14- بازده سلول‏های خورشیدی.. 62

3-15- عوامل موثر بر بازده تبدیل سلولی.. 63

3-15-1- گاف نواری ( ) 63

3-15-2- دما 66

3-15-3- طول عمر ترکیب مجدد. 67

3-15-4- شدت نور 67

3-15-5- چگالی ناخالصی.. 68

3-15-6- سرعت ترکیب مجدد سطحی.. 69

3-15-7- مقاومت درونی 71

3-15-8- شبکه فلزی و بازتاب نوری.. 71

3-15-9- تغییرات بیشینه بازده با ضخامت سلول.. 72

3-16- مدل پانل خورشیدی.. 72

3-16-1- مدل عمومی پانل خورشیدی.. 73

3-16-2- مدل پانل خورشیدی مطرح شده در مرجع 74

3-16-3- مدل پانل خورشیدی مطرح شده در مرجع 75

3-17- مزایا و معایب سیستم فتوولتائیک.... 75

3-18- موارد كاربرد عمده سيستم فتوولتائيك.... 77

3-19- نتیجه‏گیری.. 80

فصل 4- ماکزیمم سازی توان در سلول های خورشیدی.. 81

4-1- مقدمه 81

4-2- تعریف Power Point Tracking(MPPT) Maximum... 83

4-3- مروری بر چند روش MPPT. 86

4-3-1- استفاده از جدول جستجوی عددی.. 87

4-3-2- روش های مبتنی بر الگوریتم های hill-climbing. 87

4-3-3- روش های محاسباتی.. 88

4-3-4- مدل ریاضی جریان Imp برحسب Iph (روش جریانی) 88

4-3-5- مدل ریاضی ولتاژ Vmp برحسب Voc (روش ولتاژی) 89

4-3-6- مقایسه روشهای ولتاژی و جریانی.. 91

4-3-7- مزایای MPPT های ولتاژی در مقابل MPPT های جریانی.. 95

4-3-8- نتیجه‏گیری 96

فصل 5- کاربرد شبکه های عصبی در شبیه سازی و تخمین نقطه توان ماکزیمم سلول های خورشیدی 98

5-1- مقدمه 98

5-2- معرفی شبکه عصبی مصنوعی.. 99

5-3- تاریخچه شبکه‌های عصبی مصنوعی.. 100

5-4- چرا از شبکه‌های عصبی استفاده می‌کنیم.. 102

5-5- شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی.. 103

5-6- نورون مصنوعی.. 104

5-7- ساختار شبکه‌های عصبی.. 105

5-8- تقسیم بندی شبکه‌های عصبی.. 106

5-9- کاربرد شبکه‌های عصبی.. 108

5-10- معایب شبکه‌های عصبی.. 109

5-11- باطری شارژر خورشیدی با ردیابی نقطه ی توان ماکزیمم توسط شبکه ی عصبی مصنوع110

5-11-1- پیکر بندی سیستم SPBC. 110

5-11-2- MPPT با استفاده از شبکه عصبی مصنوعی(ANN) 111

5-11-3- نتایج تجربی 113

5-11-4- نتیجه گیری 115

5-12- استفاده از شبکه ی RBF مدل سازی آرایه ی خورشیدی و تخمین نقطه ی توان ماکزیمم.. 116

5-12-1- مدل سازی آرایه ی خورشیدی براساس شبکه ی RBF. 117

5-12-2- معماری شبکه یRBF مورد استفاده در آرایه یPV.. 118

5-12-3- قواعد آموزش شبکه ی RBF. 120

5-12-4- نتایج شبیه سازی.. 123

5-12-5- تخمین MPP آرایه ی خورشیدی براساس شبکه ی RBF. 123

5-12-6- نتیجه گیری 127

چکیده

نياز به جايگزيني انرژي هاي ديگري به جاي انرژي فسيلي، به دلايل بيشماري كه براي آن وجود دارد، انسان را به سوي استفاده از انرژي هاي تجديد پذير از جمله انرژي خورشيدي سوق داده است. اما آنچه كه در اين ميان اهميت ويژه اي دارد، پيداكردن روش هايي جهت دريافت ماكزيمم توان از مبدل هاي اين انرژي ها مي باشد.

در اين ميان پايان نامه ي موجود بر روي سلول هاي خورشيدي متمركز شده وبا بیان برخی از کاربرد های شبكه هاي عصبي، روش های جديدي را درجهت دريافت ماكزيمم توان از سلول و شیبه سازی سلول ارایه نموده است.

از فوايد اين روش ها مي توان به هوشمند كردن سيستم و عدم نیاز به ساختمان داخلی سلول و مواد سازنده ی سلول و سرعت رديابي بالاتر نسبت به روش هاي قبلي اشاره كرد.

مقدمه

نياز به استفاده از انرژي هاي نو علي الخصوص انرژي خورشيدي و بالطبع آن شناخت روش هايي براي دريافت بيشترين توان و بهترين بازده از مبدل هاي موجود به آن، بنده را بر آن داشت تا موضوع پايان نامه خود را مرتبط با اين مطلب انتخاب كنم.

در این راه ، با مطالعه ي چندین عنوان مقاله و كتاب و پايان نامه، سعي كردم تا یک پايان نامه ي جامع و كامل را در زمينه ي سلول هاي خورشيدي و رديابي حداكثر نقطه ي توان در آنها به رشته ي تحرير در آورم.

در جهت رسيدن به ماكزيمم توان در سلول هاي خورشيدي تا كنون در دنيا روش هاي زيادي ارائه گرديده است كه از ميان آنها مي توان به رديابي خورشيد در آسمان جهت دريافت بيشترين تابش و نيز بكاربردن مبدل هايي جهت رسيدن به ماكزيمم نقطه ي توان در نمودار اين سلول ها (كه بدليل متغيير بودن دما و تابش پيوسته اين نمودار ها تغيير مي كنند) اشاره كرد.

اما در چند سال اخیر، با توجه به توانایی های شبکه های عصبی در حل مسائل ریاضی بویژه مسائل درون یابی و تقریب و سرعت بالای محاسبات و توانایی آموزش و یادگیری در آنها، توجه زیادی در جهت رسيدن به ماكزيمم توان در سلول هاي خورشيدي،به شبکه های عصبی شده است و در انتهای گزارش جند کاربرد شبکه های عصبی ارائه شده است.

سازماندهي مطالب به اين گونه است كه در فصل اول روند مصرف انرژي و نياز به انرژي هاي نو در جهان امروز بررسي مي گردد.

جهت دانلود محصول اینجا کلیک نمایید

نظرات شما عزیزان:

نام :

آدرس ایمیل:

وب سایت/بلاگ :

متن پیام:

نظر خصوصی

 کد را وارد نمایید:

 

 

 

عکس شما

آپلود عکس دلخواه: