A neural network based computational model to predict the output power of different types of photovoltaic cells.
A neural network based computational model to predict the output power of different types of photovoltaic cells.
复制标题
DOI：
10.1371/journal.pone.0184561
复制
发表时间：
2017
期刊：
影响因子：
3.7
通讯作者：
Cheng F
中科院分区：
文献类型：
--
作者：
Xiao W;Nazario G;Wu H;Zhang H;Cheng F
在这篇文章中，我们介绍了一种基于人工神经网络（ANN）的计算模型来预测三种类型的光伏电池，单晶（单），多晶（多），和非晶（amor-）晶体的输出功率。预测结果与实验数据非常接近，并且还受到隐层神经元数目的影响。太阳能发电输出功率受外界条件影响的大小顺序为：多晶硅电池、单晶硅电池和非晶硅电池。此外，功率预测的隐层神经元的数量的依赖关系进行了研究。对于多晶和非晶电池，三个或四个隐藏层单元导致高的相关系数和低的MSE。对于单晶电池，在隐层单元为8时获得最佳结果。
In this article, we introduced an artificial neural network (ANN) based computational model to predict the output power of three types of photovoltaic cells, mono-crystalline (mono-), multi-crystalline (multi-), and amorphous (amor-) crystalline. The prediction results are very close to the experimental data, and were also influenced by numbers of hidden neurons. The order of the solar generation power output influenced by the external conditions from smallest to biggest is: multi-, mono-, and amor- crystalline silicon cells. In addition, the dependences of power prediction on the number of hidden neurons were studied. For multi- and amorphous crystalline cell, three or four hidden layer units resulted in the high correlation coefficient and low MSEs. For mono-crystalline cell, the best results were achieved at the hidden layer unit of 8.
登录
查看更多内容
影响因子：
3.7
作者：
Gajowniczek K;Ząbkowski T
通讯作者：
Ząbkowski T
影响因子：
6.7
作者：
Fernandez, Eduardo F.;Almonacid, F.;Perez-Higueras, P.
通讯作者：
Perez-Higueras, P.
影响因子：
6.7
作者：
Tsai, Hui-Feng;Tsai, Huan-Liang
通讯作者：
Tsai, Huan-Liang
影响因子：
7.9
作者：
Kheirkhah, A.;Azadeh, A.;Shakouri, H.
通讯作者：
Shakouri, H.
影响因子：
11.2
作者：
Fadare, D. A.
通讯作者：
Fadare, D. A.