文献

J-GLOBAL ID：202002261228798253   整理番号：20A0597901

人工神経回路網と明示的解析モデルに基づくPVモジュールの性能予測【JST・京大機械翻訳】

Performance prediction of PV modules based on artificial neural network and explicit analytical model

著者 (5件)： Zhang Chen (School of Electrical Engineering, Shandong University, Jinan, China) ,  Zhang Yunpeng (School of Electrical Engineering, Shandong University, Jinan, China) ,  Su Jialei (School of Electrical Engineering, Shandong University, Jinan, China) ,  Gu Tingkun (School of Electrical Engineering, Shandong University, Jinan, China) ,  Yang Ming (School of Electrical Engineering, Shandong University, Jinan, China)
資料名： Journal of Renewable and Sustainable Energy  (Journal of Renewable and Sustainable Energy)
巻： 12  号： 1  ページ： 013501-013501-13  発行年： 2020年 
JST資料番号： W3503A  ISSN： 1941-7012  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 異なる運転条件の下での太陽光発電(PV)モジュールの電流-電圧特性の正確な特性化と予測は,太陽電力予測とグリッド安定性の確保のために不可欠である。単一ダイオードモデルに基づく従来の方法は,電流-電圧方程式が陰的であるので,簡便で複雑である。本論文では,異なる運転条件下でのPVモジュールのI-V特性を予測するために,人工ニューラルネットワーク(ANN)と明示的解析モデル(EAM)を組み合わせた新しい方法を提案した。EAMは,その単純さと明示的表現により,推定モデルパラメータからI-V曲線を得るのに効率的である。EAMに基づくANNは,入力が太陽照射とモジュール温度であり,出力がEAMにおける4つのパラメータである三層フィードフォワード神経回路網で構成される。ANNを構築し,測定したI-V曲線を用いて訓練すると,形状パラメータとI-V曲線は,非線形の陰的方程式を解くことなく,太陽照射と温度を読むだけで予測される。提案した方法の精度と能力を,異なるタイプのPVモジュールに対する実験データにより検証した。さらに,太陽照射と温度に対するEAMの形状パラメータの依存性を最初に調べた。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *神経回路網 ,  *ニューラルネットワーク ,  キャラクタリゼーション ,  太陽 ,  *解析モデル ,  電力 ,  電流 ,  電圧方程式 ,  ダイオードモデル ,  電流電圧特性 ,  太陽光発電 ,  フィードフォワード
準シソーラス用語： 形状パラメータ ,  太陽照射 ,  モデルパラメータ , 【Automatic Indexing@JST】

分類 (2件)： 生物燃料及び廃棄物燃料  (LB02020Y) ,  圧縮点火機関  (PB02030N)

タイトルに関連する用語 (5件)： 人工神経回路網 ,  解析モデル ,  PV ,  モジュール ,  性能予測