مطالعۀ مروری مدلسازی پارامترهای محیطی مؤثر بر عملکرد سامانههای فتوولتاییک خورشیدی | ||
| فصلنامه سیستم های انرژی پایدار | ||
| دوره 5، شماره 1، زمستان 1404، صفحه 165-185 اصل مقاله (1.91 M) | ||
| نوع مقاله: مروری | ||
| شناسه دیجیتال (DOI): 10.22059/ses.2025.394623.1144 | ||
| نویسندگان | ||
| مهدی گندمزاده1؛ اصلان غلامی2؛ مجید زندی* 3 | ||
| 1دانشجوی دکتری، گروه مهندسی انرژیهای تجدیدپذیر، دانشگاه شهید بهشتی، تهران | ||
| 2استادیار، گروه مهندسی انرژیهای تجدیدپذیر، دانشگاه شهید بهشتی، تهران | ||
| 3دانشیار، گروه مهندسی انرژیهای تجدیدپذیر، دانشگاه شهید بهشتی، تهران | ||
| چکیده | ||
| هدف اصلی مطالعۀ پیش رو، مرور نظاممند پژوهشهای انجامشده در زمینۀ مدلسازی پارامترهای محیطی مؤثر بر سامانههای فتوولتاییک و بررسی روندهای نوین روششناسی در این حوزه است. عملکرد سامانههای فتوولتاییک بهشدت تحت تأثیر عواملی مانند تابش خورشید، دما، گردوغبار، سرعت باد، رطوبت، بارش و فشار هوا قرار دارد. مدلسازی دقیق این عوامل برای افزایش بهرهوری و قابلیت اطمینان سامانههای فتوولتاییک ضروری است. در این راستا، پژوهش حاضر با بهرهگیری از تحلیل مرجعشناسی و تحلیل محتوایی، مقالات نمایهشده در پایگاه Scopus طی سالهای 1984 تا 2024 را بررسی کرده است. نتایج نشان میدهد این حوزه با نرخ رشد سالانه 13/9 درصد توسعه یافته و کشورهای چین، هند، ایتالیا، آمریکا و ایران سهم عمدهای در تولیدات علمی داشتهاند. رویکردهای مدلسازی در سه دسته جعبهسفید، جعبهسیاه و ترکیبی طبقهبندی شدند. یافتهها نشان میدهد در حالی که مدلهای جعبهسفید تفسیرپذیری بالایی دارند، مدلهای جعبهسیاه مبتنی بر یادگیری ماشین دقت پیشبینی بیشتری دارند. مدلهای ترکیبی که تلفیقی از هر دو رویکرد هستند، دقیقترین نتایج را ارائه میدهند. این مطالعه ضمن تأکید بر نقش روبهرشد یادگیری ماشین در بهبود عملکرد سامانههای فتوولتاییک، مسیرهای پژوهشی آینده شامل توسعۀ مدلهای ترکیبی، استفاده از دادههای لحظهای مبتنی بر اینترنت اشیا و بهرهگیری از هوش مصنوعی تفسیرپذیر را پیشنهاد میکند. | ||
| کلیدواژهها | ||
| مدلسازی پارامترهای محیطی؛ سامانههای فتوولتاییک خورشیدی؛ یادگیری ماشین؛ تحلیل مرجعشناسی؛ تحلیل محتوایی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 461 تعداد دریافت فایل اصل مقاله: 258 |
||