پیشبینی کوتاه مدت سرعت باد با استفاده از روش ترکیبی شبکه عصبی مصنوعی و الگوریتم PSO

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 939

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CLEANENERGY04_045

تاریخ نمایه سازی: 6 شهریور 1393

چکیده مقاله:

پیش بینی کوتاه مدت سرعت باد میتواند به طور مستقیم دربهینه سازی علمکرد مزرعه بادی تاثیر گذارباشد تغییرات شدید سرعت باد و طبیعت ناپایدار آن باعث میشود که پیش بینی کوتاه مدت آن به عنوان امری چالش برانگیز تلقی گردد دراین مطالعه با استفاده ازروشی مبتنی برشبکه های عصبی مصنوعی و بهینه سازی علمرکد آنها به وسیله الگوریتم pso مدل جدیدی برای پیشبینی سرعت باد ارایه گردیده است دراین روش درابتدا یک شبکه عصبی مصنوعی با استفاده ازداده های مربوط به ساعتهای قبل اموزش می بیند و سپس الگوریتم pso نقش بهینه سازی وزن ها و بایاس های بدست امده توسط شبکه عصبی را برعهده میگیرد همچنین برای نشان دادن کارایی و مقایسه نتایج روش پیشنهاد شده با نتایج سایر روشهای موجود ازداده های واقعی اندازه گیری شده سرعت باد درسایت ماهان کرمان بهره برده شده است این مقایسه نشان میدهد که نتایج حاصل ازپیش بینی درروش پیشنهادی ازدقت بالایی نسبت به سایرروشهای موجود برخوردار است

نویسندگان

محمدرضا عمارتی

دانشجوی کارشناسی ارشددانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

فرشید کی نیا

استادیارگروه مدیریت و بهینه سازی انرژی پژوهشکده انرژی پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی دانشگاه تحصیلات تکمیلی صنعتی و فناوری

علیرضا عسکرزاده

استادیارگروه مدیریت و بهینه سازی انرژی پژوهشکده انرژی پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی دانشگاه تحصیلات تکمیلی صنعتی و فناوری

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • منفرد، محمد، رستگار، حسن، صادقیان، ارسطو، 1386. "ارائه مدل نوین ...
  • Chen, K, Yu, J, 2014. "Short-term wind speed prediction using ...
  • Xydis G, Koroneos C, Loizidou M, 2009. "Energy analysis in ...
  • Sideratos, G, Hatziargyriou, N, 2007. "Using radial basis neural networks ...
  • Ramirez- Rosado, I. J, F ernandez -Jimenez, L .A, "Comparison ...
  • Wu, Y. K, Hong, J. S, _ literature review of ...
  • Rumelhart, D.E., Hinton, E., Williams, J., 1986. "Learning internal representation ...
  • Kennedy, J., Eberhart, R. C., 1995. "Particle Inte rmational ...
  • Conference on Neural Networks, pp.1942-1948. ...
  • Amjadi, N., Keynia, F., 2010. "Electricity market price spike analysis ...
  • Amjadi, N., Keynia, F., Zareipour, H, 2011. "Wind Power Prediction ...
  • Enhanced Particle Swarm Optimization", IEEE , pp. 265-276. ...
  • ISME20I 1, 10-12 May, 2011 ...
  • نمایش کامل مراجع