پیش بینی سرعت باد با شبکه عصبی rbf بر اساس نظریه آشوب
Abstract
پیش بینی سرعت باد در مواردی همچون کنترل و برنامه ریزی جهت قطع و وصل توربینهای بادی و تضمین عملکرد پایدار سیستم میتواند حائز اهمیت باشد که به طور کلاسیک به روشهای متعددی صورت میگیرد. در این مقاله، ارائه روشی صرفاً براساس آنالیز دادههای اندازهگیری شده قبلی مدّ نظر است. به این منظور، ضمن بررسی آشوبناک بودن دادههای سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکنیکهای موجود در پیش بینی با استفاده از شبکههای عصبی، روشی جهت پیش بینی سرعت باد پیشنهاد شده است. دادههای استفاده شده در این تحقیق، اطلاعات ثبت شده در ایستگاه ورزنه استان اصفهان است. در این راستا، ابتدا با استفاده از محاسبه بُعد همبستگی از روی سری زمانی مفروض، آشوبناک بودن دینامیک سیستم مولد این دادهها اثبات شده و سپس فضای حالت سیستم دینامیکی مولد بازسازی شده است. بدین منظور از روش fnn برای محاسبه بعد محاط و از روش ami برای محاسبه زمان تأخیر جهت بازسازی فضای حالت استفاده شده است. در ادامه شبکه عصبی rbf جهت پیش بینی سرعت باد پیشنهاد شده است که ساختار آن با استفاده از اطلاعات بعد محاط و زمان تأخیر محاسبه شده طراحی شده است. در پایان، روش پیشنهادی بر روی دادههای عملی، اعمال و نتایج بیان شده است.