تخمین کوتاه مدت و میان مدت توان نیروگاه بادی باشبکه عصبی آموزش یافته با الگوریتم های پس انتشار

انرژی بادی به عنوان یکی ازمنابع انرژی های نودرسالهای اخیررشدبسیارچشمگیری درسراسر دنیا داشته است اما یکی ازمشکلات تولید این انرژی عدم قطعیت میزان بادومتناظر با آن عدم قطعیت تولید توان نیروگاه های بادی است درسالهای اخیرروشهای زیادی برای حل این مسئله ارایه شده است که ازمیان این روشها روشهای هوشمند ازپیشرفت بیشتری برخوردار بوده است به همین منظوردراین مقاله با استفاده ازشبکه عصبی چندلایه اموزش یافته با الگوریتم های پس انتشارتخمین توان کوتاه مدت و میان مدت انجام گرفته دراین مقاله شبه عصبی توسط دوالگوریتم پس انتشاراموزش دیده که شامل الگوریتم گرادیان توام و الگوریتم (levenberg-marquardt) است که هدف ازاموزش شبکه باهردوالگوریتم یافتن بهترین وزنها و بایاسهایی است که خطای اموزش شبکه را به حداقل برساند داده های موجود برای دوسایت واشنگتن ومونتانا واقع درایالات متحده امریکا برای سالهای 2004و2005 مورد استفاده قرارگرفته این اطلاعات شامل سرعتهای وزش باد دمای سایت نیروگاه توان خروجی می باشد ورودی شبکه ایجادشده شامل سرعت باد -دمای هوا خروجی شبکه توان تولیدی توربین های بادی می باشد

کلیدواژه ها:

نیروگاه بادی ، شبکه های عصبی ، الگوریتم پس انتشار ، تخمین توان بادی ، میانگین مربعات خطا ، رگراسیون