پیش‌بینی توان تولیدی واحدهای بادی با استفاده از یک موتور پیش‌بینی ترکیبی برمبنای آنالیز اطلاعات متقابل و شبکۀ عصبی GMDH

Authors

  • حسین سهرابی‌وفا کارشناس ارشد، دانشکده مدیریت و اقتصاد، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران، ایران
  • وحید وحیدی نسب استادیار، گروه برنامه‌ریزی و بهره‌برداری سیستم‌های انرژی الکتریکی، دانشکده مهندسی برق، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران، ایران
Abstract:

تخمین مناسب میزان تولید پرنوسان واحدهای بادی برای استفادۀ بهینه در سیستم‌های قدرت، امری دشوار و تابع پیچیدگی‌های بسیار است. در این مقاله روشی موفق برای پیش‌بینی توان تولیدی واحدهای بادی با استفاده از شبکۀ عصبی خودسازمانده موسوم به GMDH ارائه شده است. در شبکۀ عصبی GMDH، متغیرهایی که بر سری زمانی تأثیر می‌گذارند، به‌عنوان ورودی شبکه استفاده می‌شوند. این شبکه با بررسی و کشف روابط بین ورودی‌ها، به‌طور هوشمند مدل بهینه‌ای را ارائه و متغیر خروجی را پیش‌بینی می‌کند. الگوسازی‌های به‌کاررفته در این مطالعه مبتنی بر دو روش هوش مصنوعی و نظریۀ اطلاعات است. در ابتدا متغیرهای مؤثر براساس اطلاعات متقابل (MI) و با الگوریتم ترکیبی انبوه ذرات و ژنتیک، انتخاب و سپس در موتور پیش‌بینی به کار گرفته می‌شوند. برخلاف روش همبستگی متقابل، در رویکرد مبتنی بر آنتروپی متقابل استفاده‌شده در این مقاله، روابط غیرخطی میان متغیرها در نظر گرفته می‌شوند و انتخاب متغیرهای مؤثر در پیش‌بینی انرژی بادی که در آن، نوسانات و روند غیرخطی شدیدی مشاهده می‌شود، با دقت و اعتبار بیشتری انتخاب می‌شود. برای ارزیابی توانایی، سرعت و دقت چارچوب پیشنهادی، از داده‌های واقعی مزرعۀ بادی سوتاونتوِ کشور اسپانیا استفاده شده است. نتایج مطالعه نشان می‌دهند تکنیک پیشنهادی سرعت و دقت بیشتری در مقایسه با سایر روش‌ها دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

full text

پیشبینی تغییرات کاربری اراضی با استفاده از مدل LCM

رشد جمعیت منجر به گسترش شهرها، مناطق صنعتی، زمینهای کشاورزی و تغییر کاربری اراضی شده است. تحقیق حاضر با هدفمدلسازی و پیشبینی تغییرات کاربری/ پوشش اراضی با استفاده از مدل LCMبر مبنای سه سناریوی مدیریتی به نامهای سناریویتداوم، سناریوی کشاورزی- حفاظتی و سناریوی تغییرات محدودیت در منطقه دیلمان استان گیلان انجام پذیرفت. مدل LCMاز مدلزنجیره مارکوف، شبکه عصبی چند لایه پرسپترون و MOLA...

full text

کمینه‌سازی کاهش اجباری توان تولیدی مزارع بادی با بهره‌گیری از یک راهکار کوتاه مدت ابتکاری بر مبنای بازپخش واحدهای فسیلی

In recent years, due to environmental concerns together with rising costs of the fossil fuels, the wind energy usage in electricity generation of various countries has experienced a growing trend. Owing to inherent characteristics of wind turbines output generation, i.e. uncertainty in their output level as well as being undispatchable, the rapid growth of installed wind farms, however, has cau...

full text

پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی

پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید ق...

full text

تصمیم گیری چندمعیاره برای پیشبینی توان توسعه شهری wlc-ahp با استفاده از مدل منطق فازی

توسعه سریع نواحی شهری دنیا در قرن 21 مسائل زیست محیطی را به دنبال داشته است که به روشهای جدید تجزیه و تحلیل، و منابع جدید داده ها و اطلاعات نیاز دارد. برنامه ریزی اکولوژیکی همراه با تصمیم گیری چندمعیاره فرایندی است که ارزیابی زیست محیطی و اقتصادی  اجتماعی کاربری اراضی را با هدف مدیریت منابع طبیعی، حفظ اکوسیستم و حل یا کاهش برخوردهای احتمالی زیستمحیطی انجام می دهد. هدف این تحقیق، تعیین توان اکول...

full text

پیشبینی عملکرد و گازهای خروجی موتور با استفاده از سوختهای بیودیزل مختلف توسط مدلسازی با شبکه عصبی مصنوعی

چکیده کاهش منابع انرژی، افزایش تقاضای سوخت و قوانین سخت گیرانه زیست محیطی، کمپانی های خودرو را به ارائه ی روش های جدید جهت کاهش آلاینده ها و افزایش کارایی موتور وادار کرده است. به منظور مقابله با این تهدید ها سوخت های اکسیژنه از جمله بیودیزل در بسیاری از کشورها با موفقیت به عنوان جایگزین سوخت دیزل درموتورهای اشتعال تراکمی به کار برده شده اند. از آنجایی که مطالعات آزمایشگاهی ترکیبات انواع سو...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 2

pages  1- 14

publication date 2018-09-04

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023