Görüntüleme
19
İndirme
5
Bu çalışmada, kısmi gölgelenme koşulları (KGK) altındaki bir fotovoltaik (FV) sistemin, maksimum güç noktası (MGN) derin öğrenme yöntemi kullanılarak tahmin edilmiştir. Çalışmada kullanılacak veri seti Matlab/Simulink ortamında FV sistem modellenerek oluşturulmuştur. Bu veriler kullanılarak derin öğrenme ağının farklı katman sayısı ve nöron sayısı için başarısı incelenmiştir. Model başarısı ortalama mutlak yüzde hata (MAPE), ortalama mutlak hata (MAE), ortalama hata karekökü (RMSE) istatistiksel performans kriterleri ile değerlendirilmiştir. Çalışma sonucunda elde edilen tablo ve grafiklerden eğitim setindeki üç katmanlı ve 64 nöronlu sistemin daha başarılı sonuçlar verdiği gözlemlenmiştir.
In this study, the maximum power point is estimated using deep learning method for a photovoltaic (PV) system under partial shading conditions. The data set to be used in the study is created by modeling the PV system in Matlab/Simulink environment. The success of the deep learning network is examined for different number of layers and number of neurons using these data. Model success is evaluated with mean absolute percent error (MAPE), mean absolute error (MAE), root mean square error (RMSE) statistical evaluation criteria. From the tables and graphics obtained as a result of the study, it is observed that the three-layers and 64-neurons system in the training set gives more successful results.
Alan : Mühendislik; Fen Bilimleri ve Matematik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
