| شناسگر رکورد: | ۱۵۸۸۲ |
| رشته تحصیلی: | نرم افزار |
| عنوان: | مدیریت تولید کارای انرژیهای تجدیدپذیر در شهر هوشمند |
| نويسنده: | شیوا عنبری |
| استاد راهنما : | دکتر علی موقر رحیم آبادی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۷ |
| چکیده: | پیش بینی سرعت باد به دلیل خصوصیات بسیار متغیر و تصادفی باد هنوز یک چالش است. در این پایان نامه یک مدل گراف یادگیری عمیق و به ویژه شبکه های عصبی مکرر (RNNs) برای یادگیری ویژگی های قدرتمند مکانی-زمانی داده های ساعتی سرعت باد در ایستگاه های بادی ایران پیشنهاد شده است. در چارچوب پیشنهادی، اطلاعات مکانی-زمانی را با یک گراف مدل می کنیم که گره های آن مکان های بادی است. برای هر گره ویژگی های زمانی با استفاده از یک شبکه حافظه کوتاه مدت ماندگار (LSTM) استخراج می شود. نتایج یک مورد مطالعه روی داده های سری زمانی ثبت شده از ۱۶ ایستگاه بادی در ایران نشان می دهد که مدل پیشنهادی کمترین میزان خطا و در نتیجه بهترین عملکرد را در جزیره قشم از بین تمام ایستگاه ها دارد. از سوی دیگر انرژی فتوولتائیک به یک انرژی تجدیدپذیر محبوب برای توسعه شهری پایدار تبدیل شده است. مدل های سه بعدی در آنالیز و تجسم تابش خورشیدی و پتانسیل فتوولتائیک در سطح شهری بسیار مناسب هستند. در این پایان نامه پتانسیل فتوولتائیک خورشیدی در مقیاس شهری با استفاده از توصیف هندسی CityGML در هر ساختمان تعیین می شود. از یک ابزار منبع باز برای محاسبه پتانسیل فتوولتائیک ساختمان های شهر تهران استفاده می شود که هر ساختمان با استفاده از مدل های شهر سه بعدی شبیه سازی شده است. تخمین تابش خورشید روی یک مورد مطالعه شهر تهران با ۱۰ ساختمان و سطوح جزئیات (LODs) مختلف آزمایش شده است. نتایج این مطالعه نشان می دهد که رویکرد سه بعدی دارای پتانسیل بالایی برای ارزیابی کامل انرژی خورشیدی در طرح های پیچیده شهری برای محاسبه تابش تمام سطوح در معرض نور خورشید به خصوص سقف ها در یک ساختمان است. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| واژگان کلیدی: | مهندسی نرم افزار |
| واژگان کلیدی: | یادگیری عمیق |
| واژگان کلیدی: | پیشبینی سرعت باد |
| واژگان کلیدی: | حافظه کوتاه مدت ماندگار |
| واژگان کلیدی: | مدل شهر سه بعدی |
| واژگان کلیدی: | پتانسیل فتوولتائیک |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 224691 | 1 | ||||||||||
| 224692 | 2 |