@Article{, title={Performance Assessment of Solar-Transformer-Consumption System Using Neural Network Approach تقييم أداء نظام استهلاك المحولات الشمسية باستخدام طريقة الشبكة العصبية}, author={Ritu Gupta روتو كوبتا and Ekata اكاتا and C.M. Batra سي ام باترا}, journal={Baghdad Science Journal مجلة بغداد للعلوم}, volume={19}, number={4}, pages={865-874}, year={2022}, abstract={Solar energy is one of the immeasurable renewable energy in power generation for a green, clean and healthier environment. The silicon-layer solar panels absorb sun energy and converts it into electricity by off-grid inverter. Electricity is transferred either from this inverter or from transformer, consumed by consumption unit(s) available for residential or economic purposes. The artificial neural network is the foundation of artificial intelligence and solves many complex problems which are difficult by statistical methods or by humans. In view of this, the purpose of this work is to assess the performance of the Solar - Transformer - Consumption (STC) system. The system may be in complete breakdown situation due to failure of both solar power automation subsystem and transformer simultaneously or consumption unit; otherwise it works with fully or lesser efficiency. Statistically independent failures and repairs are considered. Using the elementary probabilities phenomenon incorporated with differential equations is employed to examine the system reliability, for repairable and non-repairable system, and to analyze its cost function. The accuracy and consistency of the system can be improved by feed forward- back propagation neural network (FFBPNN) approach. Its gradient descent learning mechanism can update the neural weights and hence the results up to the desired accuracy in each iteration, and aside the problem of vanishing gradient in other neural networks, that increasing the efficiency of the system in real time. MATLAB code for FFBP algorithm is built to improve the values of reliability and cost function by minimizing the error up to 0.0001 precision. Numerical illustrations are considered with their data tables and graphs, to demonstrate and analyze the results in the form of reliability and cost function, which may be helpful for system analyzers.

الطاقة الشمسية هي واحدة من الطاقة المتجددة التي لا حصر لها في توليد الطاقة لبيئة خضراء ونظيفة وصحية. تمتص الألواح الشمسية المكونة من طبقة السيليكون طاقة الشمس وتتحول إلى كهرباء بواسطة عاكس خارج الشبكة. نقل الكهرباء يتم إما من هذا العاكس أو من المحول، التي تستهلكها وحدة (وحدات) الاستهلاك المتاحة للأغراض السكنية أو الاقتصادية. الشبكة العصبية الاصطناعية هي أساس الذكاء الاصطناعي وتحل العديد من المشاكل المعقدة التي يصعب من خلال الأساليب الإحصائية أو من قبل البشر. في ضوء ذلك، فإن الغرض من هذا العمل هو تقييم أداء نظام الطاقة الشمسية - المحولات - الاستهلاك (STC). قد يكون النظام في حالة انهيار كامل بسبب فشل كل من النظام الفرعي لأتمتة الطاقة الشمسية والمحول في وقت واحد أو وحدة الاستهلاك ؛ وإلا فإنه يعمل بكفاءة كاملة أو أقل. يتم النظر في حالات الفشل والإصلاحات المستقلة إحصائيًا. يتم استخدام ظاهرة الاحتمالات الأولية المدمجة مع المعادلات التفاضلية لفحص موثوقية النظام ، للنظام القابل للإصلاح وغير القابل للإصلاح، ولتحليل دالة التكلفة الخاصة به. يمكن تحسين دقة واتساق النظام من خلال نهج الشبكة العصبية للانتشار الأمامي والخلفي (FFBPNN). يمكن لآلية تعلم النسب المتدرجة أن تقوم بتحديث الأوزان العصبية وبالتالي النتائج تصل إلى الدقة المطلوبة في كل تكرار، وبغض النظر عن مشكلة تلاشي التدرج في الشبكات العصبية الأخرى، مما يزيد من كفاءة النظام في الوقت الفعلي. تم تصميم كود MATLAB لخوارزمية FFBP لتحسين قيم الموثوقية ووظيفة التكلفة من خلال تقليل الخطأ إلى الحد الأدنى حتى 0.0001. يتم النظر في الرسوم التوضيحية العددية مع جداول البيانات والرسوم البيانية الخاصة بهم، لتوضيح النتائج وتحليلها في شكل الموثوقية ووظيفة التكلفة، والتي قد تكون مفيدة لمحللي النظام.} }