محمد حسین امین ابراهیم آبادی

انرژی خورشیدی در حال تبدیل شدن به یکی از جذاب ترین منابع تجدید پذیر است. در بسیاری موارد ، به دلیل طیف گسترده ای از محدودیت های مالی یا نصب ، پانل های میکرو برق خارج از شبکه به عنوان سیستم های مدولار مورد استفاده قرار می گیرند تا نورپردازی برق در باغ ها باشد یا در کنار هم قرار گیرند تا بتوانند از دستگاه های کوچک مانند شارژرهای تلفن همراه استفاده کنند و هوشمند توزیع شوند. امکانات و خدمات شهری سازندگان و مجتمع های سیستم طیف گسترده ای از گزینه های پانل های ولتاژ عکس در مقیاس میکرو را انتخاب کرده اند. این امر انتخاب پانل مناسب را به یک کار چالش برانگیز و سرمایه گذاری مخاطره آمیز تبدیل می کند. برای پرداختن به این مسئله و کمک به تولید کنندگان ، این مقاله یک رویکرد نوین مبتنی بر ادغام آزمایشگاه آزمایشگاهی تجربی با داده های واقعی کوتاه مدت و شبکه های عصبی را برای ارزیابی عملکرد پانل های فتوولتائیک در مقیاس میکرو و مناسب بودن آنها برای کاربردهای خاص پیشنهاد و ارزیابی می کند. محیط خاص در این مقاله ترکیبی از توان آزمایشگاهی آزمایشگاهی تحت شرایط فصلی و ساعتی در طول سال همراه با شرایط محیطی و عملیاتی مانند دما ، تجمع گرد و غبار و عملکرد زاویه شیب ارائه شده است. براساس نتایج آزمایشگاه ، یک کار تجربی کوتاه درجا انجام شده و عملکرد در طول سال در مکان منتخب در کویت با استفاده از شبکه های عصبی یادگیری عمیق ارزیابی می شود. یافته های این روش با شبیه سازی و داده های واقعی بلند مدت مقایسه می شود. نتایج نشان می دهد حداکثر خطا ۲۳٪ از خروجی شبکه عصبی در مقایسه با داده های واقعی و مقادیر همبستگی با کار قبلی در ۸۷٫۳٪ و ۹۱٫۹٪ است که نشان می دهد که رویکرد پیشنهادی می تواند یک ارزیابی سریع و دقیق تجربی را ارائه دهد. توان خروجی مورد انتظار از این رو ، حمایت از فرایند سریع تصمیم گیری برای تولید کنندگان و کاهش ریسک های سرمایه گذاری.