چاپ مقاله علمی-پژوهشی از پایان نامه کارشناسی گروه مهندسی مکانیک با عنوان:

"بهینه سازی متغیرهای مجهول مدل تک دیودی و دودیودی سلول خورشیدی به روش الگوریتم بهینه سازی شبکه عصبی"

نتایج تحقیقاتی پایان نامه دانشجوی گروه مهندسی مکانیک آقای جواد ریاضت با شماره دانشجویی 941273029 توسط استاد راهنما جناب آقای دکتر سعداله  در نشریه علوم کاربردی و محاسباتی در مکانیک دانشگاه فردوسی مشهد با عنوان:

"بهینه‌سازی فرایند شناسایی پارامتر مدل های تک‌دیودی، دودیودی، و سه‌دیودی سلول خورشیدی توسط الگوریتم بهینه سازی شبکه عصبی"

مورد پذیرش قرار گرفت. در این مطالعه، شناخت دقیق متغیرهای مجهول انواع سلول‌های خورشیدی با استفاده از داده‌های آزمایشگاهی اهمیت حیاتی در طراحی، کنترل، کیفیت، برآورد هزینه، و پیش-بینی عملکرد سلول‌های خورشیدی دارد. در سال‌های اخیر، یک روش جدید برای پیش‌بینی عملکرد سلول و غربالگری سلولی با مدل‌سازی سلول با استفاده از یک مدار الکتریکی معادل ارائه شده ‌است که در آن، هر متغیر، مربوط به یک پدیده فیزیکی در سلول خورشیدی است. این مدل‌های تحلیلی می‌توانند با یک مدل پنج، هفت، و اخیرا نه متغیری نشان داده شوند. به واسطه غیرخطی بودن و ناتوانی روش های بهینه سازی سنتی در شناسایی دقیق متغیر های ناشناخته سیستم، اخیرا الگوریتم های بهینه سازی هوشمند، توجهات چشمگیری را در حل این نوع مسایل مهندسی به خود جلب کرده اند. الگوریتم شبکه عصبی یک الگوریتم فراابتکاری است که از عملکرد شبکه عصبی مغز انسان الهام گرفته است. در این مقاله، تکنیک شناسایی پارامتر بهینه یک سلول خورشیدی تجاری برای مدل تک دیودی، دو دیودی، و سه ‌دیودی توسط الگوریتم شبکه عصبی انجام گرفته است. نتایج بدست آمده از روش پیشنهادی دارای دقت پاسخ بهتری نسبت به الگوریتم ‌های بهینه سازی اخیر در منابع است.

لینک دسترسی به مقاله