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

چکیده

نیاز به جایگزینی انرژی های دیگری به جای انرژی فسیلی، به دلایل بیشماری که برای آن وجود دارد، انسان را به سوی استفاده از انرژی های تجدید پذیر از جمله انرژی خورشیدی سوق داده است. اما آنچه که در این میان اهمیت ویژه ای دارد، پیداکردن روش هایی جهت دریافت ماکزیمم توان از مبدل های این انرژی ها می باشد.

در این میان پایان نامه موجود بر روی سلول های خورشیدی متمرکز شده وبا بیان برخی از کاربرد های شبکه های عصبی، روش های جدیدی را درجهت دریافت ماکزیمم توان از سلول و شیبه سازی سلول ارایه نموده است.

از فواید این روش ها می توان به هوشمند کردن سیستم و عدم نیاز به ساختمان داخلی سلول و مواد سازنده سلول و سرعت ردیابی بالاتر نسبت به روش های قبلی اشاره کرد. 

 

فهرست

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

1-1- مقدمه 9

1-2- بررسی منابع اصلی تولید انرژی الکتریکی در حال حاضر. 11

1-3- مشکل آلودگی محیط زیست ... 12

1-4- انرژی های تجدید پذیر (نو) 15

1-4-1- انرژی زمین گرمایی (Geothermal) 16

1-4-2- انرژی فتوولتائیک ... 16

1-4-3- انرژی بادی 17

1-4-4- انرژی آبی (سدها) 17

1-4-5- انرژی بیوگاز 17

1-4-6- انرژی امواج 18

1-4-7- تولید هیدروژن.. 18

فصل 2- پارامتر های خورشید.. 20

2-1- مقدمه 20

2-2- پارامترها 21

2-2-1- طول موج های 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- نتیجه گیری.. 25

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

3-1- مقدمه 27

3-2- تاریخچه فتوولتاییک .... 27

3-3- نیمه هادی های 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 نیمه هادی.. 38

3-3-5- جمع آوری نوری.. 39

3-4- اتصال P-N 43

3-5- اساس کار سلول های خورشیدی 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 سلول های 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 کاربرد عمده سیستم فتوولتائیک .... 77

3-19- نتیجه گیری.. 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- نتیجه گیری 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 شبکه های عصبی مصنوعی.. 100

5-4- چرا از شبکه های عصبی استفاده می کنیم.. 102

5-5- شبکه های عصبی در مقایسه با کامپیوترهای سنتی.. 103

5-6- نورون مصنوعی.. 104

5-7- ساختار شبکه های عصبی.. 105

5-8- تقسیم بندی شبکه های عصبی.. 106

5-9- کاربرد شبکه های عصبی.. 108

5-10- معایب شبکه های عصبی.. 109

5-11- باطری شارژر خورشیدی با ردیابی نقطه توان ماکزیمم توسط شبکه 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 RBF مدل سازی آرایه خورشیدی و تخمین نقطه توان ماکزیمم.. 116

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

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

5-12-3- قواعد آموزش شبکه RBF. 120

5-12-4- نتایج شبیه سازی.. 123

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

5-12-6- نتیجه گیری 127

مقدمه

نیاز به استفاده از انرژی های نو علی الخصوص انرژی خورشیدی و بالطبع آن شناخت روش هایی برای دریافت بیشترین توان و بهترین بازده از مبدل های موجود به آن، بنده را بر آن داشت تا موضوع پایان نامه خود را مرتبط با این مطلب انتخاب کنم.

در این راه، با مطالعه چندین عنوان مقاله و کتاب و پایان نامه، سعی کردم تا یک پایان نامه جامع و کامل را در زمینه سلول های خورشیدی و ردیابی حداکثر نقطه توان در آنها به رشته تحریر در آورم.

در جهت رسیدن به ماکزیمم توان در سلول های خورشیدی تا کنون در دنیا روش های زیادی ارائه گردیده است که از میان آنها می توان به ردیابی خورشید در آسمان جهت دریافت بیشترین تابش و نیز بکاربردن مبدل هایی جهت رسیدن به ماکزیمم نقطه توان در نمودار این سلول ها (که بدلیل متغییر بودن دما و تابش پیوسته این نمودار ها تغییر می کنند) اشاره کرد.

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 رسیدن به ماکزیمم توان در سلول های خورشیدی، به شبکه های عصبی شده است و در انتهای گزارش جند کاربرد شبکه های عصبی ارائه شده است.

سازماندهی مطالب به این گونه است که در فصل اول روند مصرف انرژی و نیاز به انرژی های نو در جهان امروز بررسی می گردد.

جهت دانلود محصول اینجا کلیک نمایید