ترجمه مقاله شبکه عصبی بر پایه شیوه MPPT برای شرایط سریعا متغیر سایه - نشریه الزویر

ترجمه مقاله شبکه عصبی بر پایه شیوه MPPT برای شرایط سریعا متغیر سایه - نشریه الزویر
قیمت خرید این محصول
۳۵,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
شبکه عصبی بر پایه شیوه MPPT برای شرایط سریعا متغیر سایه
عنوان انگلیسی
ANN based MPPT method for rapidly variable shading conditions
صفحات مقاله فارسی
21
صفحات مقاله انگلیسی
9
سال انتشار
2015
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5958
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی برق و مهندسی انرژی
گرایش های مرتبط با این مقاله
مهندسی الکترونیک، انرژی های تجدیدپذیر، فناوری های انرژی، الکترونیک قدرت و ماشینهای الکتریکی و مکاترونیک
مجله
انرژی کاربردی - Applied Energy
دانشگاه
گروه مهندسی برق، الکترونیک و علوم کامپیوتر (DIEEI)، دانشگاه کاتانیا، ایتالیا
کلمات کلیدی
شبکه های عصبی مصنوعی، ردیاب حداکثر نقطه توان، فتوولتائیک (PV)، حامل های الکتریکی، سایه، انرژی خورشیدی
فهرست مطالب
چکیده مطلب
1- مقدمه
2- ماژول سازی سیستم PV
3- شیوه جستجوی نقطه حداکثر توان
4- پیش‌بینی نقطه حداکثر توان بر پایه ANN
5- مطالعه موردی
6- نتایج و کارهای آینده
نمونه چکیده متن اصلی انگلیسی
Abstract

This paper proposes a novel Maximum Power Point Tracking (MPPT) method suitable for any application in which very fast changing and not uniform shading conditions continuously occur, as in case of photovoltaic systems (PVs) installed in the roof of electric vehicles. Basically, an Artificial Neural Network (ANN) based approach is utilized to automatically detect the global maximum power point of the PV array by using a preselected number of power measurements of the PV system. The method requires only the measure of PV voltages and currents, thus avoiding the use of additional sensors providing information about the environmental operating conditions and temperature of PV modules. The time interval required to achieve the maximum power generation from the PV modules is about constant and established a priori. The greater the number of power–voltage characteristic scansions, the greater the ANN’s ability to meet the maximum and its prediction accuracy. The algorithm is cost-effective, with no additional hardware requirements and limited dependence on system parameter variations. Numerical simulations have validated the effectiveness of the proposed method, and have highlighted the tradeoff between the preselected number of power–voltage characteristic scansions, the size of the ANN and its prediction accuracy.

نمونه چکیده ترجمه متن فارسی
چکیده مطلب
این تحقیق یک شیوه ردیابی نقطه حداکثر توان (MPPT) را ارائه می‌کند که برای هر کاربردی که در آن شرایط سریعاً تغییرپذیر و شرایط غیر یکپارچه سایه بصورت مداوم رخ می‌دهد مناسب می‌باشد، نظیر مورد سیستم‌های فتوولتائیک (PVs) (Photo voltaie systems) که بر سقف وسایل نقلیه الکتریکی نصب می‌گردد. اساساً، یک شبکه عصبی مصنوعی (ANN) بر مبنای این شیوه بکار گرفته می‌شود تا بصورت اتوماتیک حداکثر نقطه قدرت کلی را از دسته PV شناسایی کند، اینکار با استفاده از عدد از پیش انتخاب شده preselected numberانتخاب شده از اندازه‌های توان سیستم PV انجام می‌گیرد. این روش فقط به اندازه ولتاژ‌های PV و جریانات نیاز دارد، از این رو ضرورتی وجود ندارد تا از سنسورهای اضافی برای ارائه اطلاعات در خصوص شرایط عملیاتی محیط و دمای ماژول‌ (قسمت‌ها) PV استفاده گردد. فاصله زمانی مورد نیاز برای دستیابی به تولید حداکثر توان از ماژول‌‌های PV حدوداً ثابت بوده و بصورت قیاسی می‌باشد. هرچه عدد تقطیع‌های خصوصیات characteristic scansions ولتاژ – توان بزرگتر باشد، توانایی ANN برای تحقق حداکثر توان و دقت پیش‌بینی آن بیشتر خواهد شد.الگوریتم مقرون به صرفه بوده و هیچ گونه نیاز سخت افزاری ندارد و وابستگی محدودی به متغیرهای پارامتر سیستم دارد. شبیه سازیهای عددی تأیید کننده اثربخشی شیوه پیشنهادی است و توازن بین عدد از قبل انتخاب شده تقطیع‌های ولتاژ- توان ، سایز ANN و دقت پیش‌بینی آن را نشان می‌دهد.

بدون دیدگاه