آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,230 |
| تعداد مقالات | 15,076 |
| تعداد مشاهده مقاله | 50,620,280 |
| تعداد دریافت فایل اصل مقاله | 13,708,941 |
تخمین بازده الکتریکی صفحه‌های فتوولتائیک با روشی مبتنی بر یادگیری عمیق با استفاده از تصویر | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 09 دی 1402 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2023.58400.4719 | ||
| نویسندگان | ||
| سید محمد جوادی مقدم* 1؛ حسین غلامعلی نژاد2؛ اعظم نوروزی3؛ محمد حسن عبدی4؛ حمید مرتضی پور5 | ||
| 1گروه کامپیوتر،دانشکده مهندسی، دانشگاه بزرگمهر قائنات، قاین، ایران | ||
| 2گروه کامپیوتر، دانشکده مهندسی، دانشگاه بزرگمهر قائنات، قاین، ایران | ||
| 3دانشکده مهندسی، دانشگاه تربت حیدریه، تربت حیدریه، ایران | ||
| 4گروه فیزیک، دانشگاه آزاد اسلامی واحد قاینات، قاین، ایران | ||
| 5گروه مکانیک، دانشگاه بزرگمهر قائنات، قاین، ایران | ||
| چکیده | ||
| منابع انرژی تجدیدپذیر طبیعی، فراوان هستند و با انتشار کربن صفر یا بسیار کم از نظر اقتصادی جذاب هستند. از سوی دیگر، شرایط سخت محیطی و آب و هوایی مانند تجمع خاک و گرد و غبار بر کارایی منابع و سیستم‌های انرژی تجدیدپذیر تأثیر می‌گذارد. بر این اساس، نیاز به بازرسی خودکار صفحه های فتوولتائیک با افزایش تقاضا برای تولید و نصب سیستم های جدید انرژی خورشیدی در سراسر جهان حیاتی تر می شود. در این مطالعه، مجموعه داده جدیدی از تصاویر صفحه های غبارآلود و تمیز معرفی شده است. پس از آن، یک معماری شبکه عصبی کانولوشنال جدید جهت تشخیص ولتاژ تولید شده توسط صفحه فتوولتائیک معرفی شده است. در ادامه، پارامترهای برداشت شده از محیط و ولتاژ تخمین زده شده توسط شبکه عصبی پیشنهادی، با استفاده از الگوریتم رگرسیون جنگل تصادفی مورد بررسی قرار گرفته و راندمان صفحه محاسبه شده است. مجموعه فرآیند پیشنهادی به طور خاص با تشخیص تجمع گرد و غبار صفحه های فتوولتائیک سروکار دارد. نتایج به‌دست‌آمده در این کار به‌طور تجربی نشان داده‌اند که سیستم پیشنهادی نرخ‌های تشخیص بالایی را تولید می‌کند. روش جدید پیشنهادی منجربه پیاده سازی یک تکنیک تمیز کردن خودکار موثرتر و کارآمدتر برای صفحه‌های فتوولتائیک می شود. | ||
| کلیدواژه‌ها | ||
| بازده الکتریکی؛ صفحه های فتوولتائیک؛ یادگیری عمیق؛ رگرسیون؛ شبکه کانولوشن | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 106 |
||