CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

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

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۵۸۹ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: CLEANENERGY04_045
زبان مقاله: فارسی
حجم فایل: ۵۲۴.۵۹ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

  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

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

کلیدواژه‌ها:

انرژی باد ، پیش بینی ، شبکه عصبی مصنوعی ، الگوریتم pso

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CLEANENERGY04-CLEANENERGY04_045.html
کد COI مقاله: CLEANENERGY04_045

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عمارتی, محمدرضا؛ فرشید کی نیا و علیرضا عسکرزاده، ۱۳۹۳، پیشبینی کوتاه مدت سرعت باد با استفاده از روش ترکیبی شبکه عصبی مصنوعی و الگوریتم PSO، چهارمین کنفرانس سالانه انرژی پاک، کرمان، مرکز بین المللی علوم و تکنولوژی پیشرفته و علوم محیطی، https://www.civilica.com/Paper-CLEANENERGY04-CLEANENERGY04_045.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (عمارتی, محمدرضا؛ فرشید کی نیا و علیرضا عسکرزاده، ۱۳۹۳)
برای بار دوم به بعد: (عمارتی؛ کی نیا و عسکرزاده، ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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، ۱۳۸۶. "ارائه مدل نوین ... (مقاله کنفرانسی)
  • 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. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۷۹۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.