![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI: | http://purl.tuc.gr/dl/dias/584D38A5-784D-49EF-A5C6-E6E837B7A8D7 | ||
| Έτος | 2022 | ||
| Τύπος | Διπλωματική Εργασία | ||
| Άδεια Χρήσης |
|
||
| Βιβλιογραφική Αναφορά | Μαρία Περράκη, "Μοντελοποίηση φωτοβολταϊκών στοιχείων με τεχνικές μηχανικής μάθησης ", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 https://doi.org/10.26233/heallink.tuc.91518 | ||
| Εμφανίζεται στις Συλλογές |
Η πρόβλεψη της ισχύος εξόδου που δύναται να παράγει ένα φωτοβολταϊκόσύστημα, είναι μείζονος σημασίας για την αξιολόγηση της απόδοσής του, αλλάκαι για την πρόβλεψη της μακροπρόθεσμης λειτουργίας του.Για την αξιολόγηση της ηλεκτρικής συμπεριφοράς ενός φωτοβολταϊκού συστήματος, μπορούν να χρησιμοποιηθούν διαφορετικά μοντέλα ισοδύναμου κυκλώματος. Στην παρούσα εργασία, μελετώνται τα μοντέλα μονής διόδου (SingleDiode Model, SDM) και διπλής διόδου (Double Diode Model, DDM) κάτω απόδιαφορετικές συνθήκες ηλιακής ακτινοβολίας και θερμοκρασίας περιβάλλοντος.Η αξιοποίηση αποκλειστικά του ενός εκ των δύο μοντέλων για τη μοντελοποίηση του συστήματος, περιορίζει την ακρίβεια της πρόβλεψης των επιδόσεών του.Για τον λόγο αυτόν, με στόχο τη βελτίωση των μεθόδων σχεδιασμού φωτοβολταϊκών συστημάτων, αξιολογείται ο συνδυασμός των δύο μοντέλων μονής και διπλής διόδου με τους αλγορίθμους κατηγοριοποίησης, στο πλαίσιο της διαδικασίας της μηχανικής μάθησης (machine learning). Σκοπός είναι η πρόβλεψητης ισχύος εξόδου ενός φωτοβολταϊκού συστήματος, κάτω από διαφορετικέςκλιματικές συνθήκες με μεγαλύτερη ακρίβεια.Οι αλγόριθμοι μηχανικής μάθησης που υλοποιούνται για να αναγνωρίσουν,ποιο μοντέλο μεταξύ των μοντέλων μονής και διπλής διόδου παρέχει ακριβέστερη εκτίμηση της ισχύος εξόδου, για δεδομένες τιμές ηλιακής ακτινοβολίας καιθερμοκρασίας περιβάλλοντος, είναι τα δέντρα κατηγοριοποίησης (classificationtrees), ο αλγόριθμος k-εγγύτατων γειτόνων (k-nearest neighbors), η διακριτική ανάλυση (discriminant analysis), o Naive Bayes, οι μηχανές διανυσμάτωνστήριξης (support vector machines) και τέλος ο συνδυασμός πολλών αλγορίθμων (classification ensembles).Δύο περιοχές εξετάζονται στην παρούσα εργασία, η πρώτη χαρακτηρίζεταιαπό το μεσογειακό κλίμα και βρίσκεται στη νότια Ιταλία, ενώ η δεύτερη από τοεύκρατο ωκεάνιο κλίμα και βρίσκεται στη βόρεια Γερμανία.Η υλοποίηση τόσο των μοντέλων μονής και διπλής διόδου, όσο και τωναλγορίθμων κατηγοριοποίησης έγιναν στο περιβάλλον του MATLAB.
Copyright © DIAS 2013
