CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Estimation of Solar Radiation Exergy by Artificial Neural Networks Using Meteorological and Geographical Data

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۷۴۶ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: CLEANENERGY04_163
زبان مقاله: انگلیسی
حجم فایل: ۴۷۵.۳۹ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Estimation of Solar Radiation Exergy by Artificial Neural Networks Using Meteorological and Geographical Data

  Saeed Edalati - Ph.D. Candidate in mechanical engineering in Graduate University of Advanced Technology
  Mehran Ameri - Professor in mechanical engineering in the Faculty of Engineering, Shahid Bahonar University
  Masoud Iranmanesh - Assistant professor in Graduate University of Advanced Technology

چکیده مقاله:

Solar radiation is source of energy, which can generate power in two ways. Producing electric energy using photovoltaic panels or by means of a thermodynamic cycle. The amount of generated energy, which can do work by a system is changing daily, monthly, and seasonally depending on exergy, in both cases. Some models are proposed to study the exergy of incident solar radiation on the horizontal surface, which can be used to produce work. It is always important to know how much work can be obtained from solar radiation. In this study, the prediction of solar radiation exergy in Kerman province in south-east of Iran was developed. The main aim of this paper is to study the exergy of the south-east of Iran and find the best places in case of suitable solar radiation exergy. It will cause to the select the best places for investment in solar energy utilization. The results show that Anar, Zarand, and Sirjan are the best places of province in case of high solar radiation exergy values. Although Kahnuj, Bam, and Jiroft have the high solar radiation values, but the solar radiation exergy in these locations is less than the other cities. The results show that the total energy quality factor (the exergy-to-energy ratio) of extraterrestrial solar radiation by Petela expression is about 0.9328. The predicted mean annual solar radiation exergy values were given in form of map that were made by using ArcGIS.

کلیدواژه‌ها:

Solar radiation, solar radiation exergy, ArcGIS

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CLEANENERGY04-CLEANENERGY04_163.html
کد COI مقاله: CLEANENERGY04_163

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Edalati, Saeed; Mehran Ameri & Masoud Iranmanesh, ۱۳۹۳, Estimation of Solar Radiation Exergy by Artificial Neural Networks Using Meteorological and Geographical Data, چهارمین کنفرانس سالانه انرژی پاک, کرمان, مرکز بین المللی علوم و تکنولوژی پیشرفته و علوم محیطی, https://www.civilica.com/Paper-CLEANENERGY04-CLEANENERGY04_163.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Edalati, Saeed; Mehran Ameri & Masoud Iranmanesh, ۱۳۹۳)
برای بار دوم به بعد: (Edalati; Ameri & Iranmanesh, ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۷۹۴
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.