ارائه‌ی یک مدل دینامیکی برای پیش بینی کوتاه مدت تابش دریافتی از خورشید

استفاده از انرژی های تجدید پذیر برای تولید توان الکتریکی در دهه های اخیر به شدت مورد توجه بوده است. در این راستا، یکی از مهمترین رویکردها استفاده از سلولهای خورشیدی و تولید توان از تابش خورشید است. بدین منظور بایستی مجموعه کامل و دقیقیشامل پانل خورشیدی، اینورتر و سایز اجزای تبدیل توان تابشی به الکتریکی فراهم شود. ا ز آنجا که تنظیم همه پارامترهای این مجموعه وابسته به میزان تابش است پیش بینی میزان تابش برای بهبود عملکرد نیروگاه خورشیدی بسیار مفید خواهد بود. هدفاصلی این مقاله آن است که یک معادله دینامیکی برای پیش بینی تابش دریافتی از خورشید پیشنهاد نماید. بدین منظور یک مدل دینامیکی فرض می شود. با این فرض تابش لحظه ای بر خلاف مقالات مشابه تابع مشخصات جغرافیایی نیست، بلکه تابع مقادیر پیشینتابش است. هدف آن است که تابعیت مقدار لحظه ای تابش از مقادیر اخیر آن را به دست آوریم. بدین منظور داده های مربوط به تابش در یک مکان مشخص اندازه گیری می شود. یک شبکه عصبی برای تخمین تابش لحاظ می کنیم. این شبکه آموزش داده می شود وخطای آموزش و آزمایش به عنوان معیار عملکرد در نظر گرفته می شود. سپس روندی برای تشخیص مرتبه مدل پیشنهاد شده و نهایتاً مدل ارائه می گردد. نشان داده خواهد شد که این مدل دینامیکی مستقل از مکان و زمان است و در همه شرایط قادر به تخمین و پیشبینی تابش است.

a dynamic modeling approach for short-term prediction of sun radiation

the use of renewable energies for electricity generation has been intensely focused on in recent decades. in this regard، one of the most important approaches is the use of solar cells and power generation from solar radiation. for this purpose، a complete and precise set including solar panels، inverters، and the sizing of components to convert solar power to electricity should be provided. since the regulation of all the parameters of this set depends on the level of radiation، predicting the amount of radiation will be very useful for improving the performance of the solar power plant. the main goal of this article is to propose a dynamic equation for predicting the received solar radiation. for this purpose، a dynamic model is assumed. with this assumption، instantaneous radiation، contrary to similar articles، is not a function of geographical characteristics but rather a function of previous radiation values. the aim is to derive the instantaneous radiation value's dependency on its recent values. to achieve this، the data related to radiation at a specific location is measured. we consider a neural network to estimate the radiation. this network is trained، and the training and testing errors are considered as performance criteria. then a procedure is proposed to detect the order of the proposed model، and finally، the model is presented. it will be shown that this dynamic model is independent of location and time and is capable of estimating and predicting radiation under all conditions.