عنوان پایان‌نامه
امکان سنجی بکارگیری انرژی خورشیدی در گلخانه های استان البرز به کمک نرم افزار RETScreen و شبکه عصبی مصنوعی
- رشته تحصیلی
- مهندسی کشاورزی - مکانیزاسیون کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4962;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53971
- تاریخ دفاع
- ۲۴ مرداد ۱۳۹۱
- دانشجو
- زینب رمدانی
- استاد راهنما
- محمود امید
- چکیده
- آب و هوا همیشه نقش مهمی در حیات کره‌ی زمین بخصوص فعالیت و سلامتی بشر دارد. تاثیر تابش روزانه خورشید به عنوان یکی از فاکتور¬های هواشناسی در بخش کشاورزی غیر قابل انکار است. اهدف اصلی این پژوهش پیش بینی تابش خورشید در دو استان تهران و البرز با استفاده از شبکه¬های عصبی مصنوعی (ANN)، ایجاد نقشه‌ی پتانسیل تابش خورشیدی در استان البرز با استفاده از این نرم‌افزار و بررسی قابلیت استفاده از سامانه آبگرمکن خورشیدی در گلخانه‌های شهر هشتگرد از توابع این استان می‌باشد. بدین منظور داده‌های روزانه‌ی هواشناسی ایستگاه هواشناسی شمال تهران در استان تهران مربوط به شانزده سال (2008-1993) و تمام ایستگاه‌های هواشناسی استان البرز (سال 2008) از سازمان هواشناسی ایران جمع¬آوری شدند. بهترین مدل شبکه‌ی عصبی برای پیش بینی تابش خورشید با مقادیر روزانه‌ی حداکثر، حداقل و میانگین دما، رطوبت نسبی، دوره روشنایی و بارش به‌عنوان ورودی و تابش خورشید به‌عنوان خروجی دارای توپولوژی 1-37-6 بوده است که مقادیر شاخص‌های r، RMSE و MAE به¬ترتیب 968/0، 09/3 و 57/2 بدست آمدند. جهت ایجاد نقشه‌ی پتانسیل انرژی خورشیدی در استان البرز داده‌های شهرستان کرج به‌عنوان آموزش و آزمون و نیز داده‌های شهرستان‌های هشتگرد، طالقان و چیتگر به‌عنوان تولید استفاده شدند که مقادیر تابش خورشیدی در آن‌ها به‌ترتیب برابر 93/4، 35/4 و kWh m-2 day-1 08/5 تخمین زده شد. همچنین قابلیت استفاده از آبگرمکن خورشیدی در گلخانه‌ی مدل واقع در شهر هشتگرد به مساحت m2 2000 با استفاده از نرم‌افزار RETScreen بررسی شد. از خصوصیات بارز این نرم افزار کاهش هزینه مطالعات امکان سنجی پروژه برای تصمیم گیری بهتر می¬باشد. کل انرژی قابل تامین در این گلخانه با استفاده از این سامانه گرمایش در محدوده‌ای بین 22% و 71% تخمین زده شد. نتایج بررسی اقتصادی سامانه نشان داد که استفاده از آبگرمکن خورشیدی بدون حمایت‌های دولت و اعطای یارانه بجای کاهش گازهای گلخانه‌ای امکان پذیر نمی‌باشد. واژهای کلیدی: تابش روزانه‌ی خورشید؛ شبکه‌ی عصبی مصنوعی؛ شاخص‌های آماری؛نرم‌افزار RETScreen.
- Abstract
- Weather conditions play an important role in the life of earth particularly human activity and his health. Impact of daily solar radiation as a meteorological factor in agricultural sector is undeniable. Main purpose of this research is estimating solar radiation in both of Tehran and Alborz provinces using artificial neural networks (ANN), generating solar radiation map in Alborz province and examining viability of implementing solar water heating system in greenhouses of Hashtgerd city in Alborz province. For this purpose a dataset of meteorological daily time series for 16 years (1993-2008) from northern Tehran station in Tehran province and whole of Alborz's meteorological stations (2008) was used. In this research Iran meteorological office data were used. Based on the result, the optimum artificial neural network model for prediction solar radiation with daily values of maximum, minimum and average temperatures, relative humidity, sunshine duration, precipitation as inputs and solar radiation as outputs had 6-37-1 topology that the value of r, RMSE and MAE factors were found to be 0.968, 3.09 and 2.57 respectively. For generating solar potential map in Alborz province, Karaj station was used as training and testing while the production was Hashtgerd, Taleghan and Chitgar stations. The values of solar radiation were predicted as 4.93, 4.35 and 5.08 kWh m-2 day-1 respectively. Also this research investigate the project viability analysis of implementing solar water heating system in greenhouses of Hashtgerd city with an area of 2000 m2 using RETScreen software. Sensible feature of this software is reduction in project feasibility studies costs for better decision. The total heating energy produced per year by SWH system is 71% and 22% during minimum and maximum loads, respectively. Economic Survey results showed that the use of solar water heater systems is not economically viable without government support and devoting subsidies instead of greenhouse gases reduction.
