CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی میان مدت و بلند مدت توان تولیدی نیروگاه بادی با شبکه های عصبی آموزش یافته با الگوریتم های ژنتیک و اجتماع ذرات

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۳۶۹ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: ELECTRICA01_066
زبان مقاله: فارسی
حجم فایل: ۱.۰۵ مگابات (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی میان مدت و بلند مدت توان تولیدی نیروگاه بادی با شبکه های عصبی آموزش یافته با الگوریتم های ژنتیک و اجتماع ذرات

  حسین لطفی - کارشناسی ارشد برق قدرت - - دانشگاه آزاد اسلامی واحد بجنورد
  تکتم لطفی - کارشناسی ارشد برق کنترل - - دانشگاه آزاد اسلامی واحد گناباد

چکیده مقاله:

انرژی بادی به عنوان یکی از منابع انرژی تجدیدپذیر و با آلودگی بسیار کم در سالهای اخیر رشد چشمگیری داشته است یکی از مشکلات اساسی در استفاده از انها تغییرات سریع در میزان توان استحصالی از این توربین ها می باشد. پیش بینی توان باد و آگاهی از مقدار آن در آیندهاز اهمیت بالایی برای بهره برداران سیستم قدرت، به منظور تخصیص بهینه واحد های تولیدی و نیز مالکان نیروگاه های بادی برخوردار است . در این مقاله با استفاده از شبکه های عصبی بازگشتی اموزش یافته با الگوریتم ژنیک و اجتماع ذرات پیش بینی توان نیروگاه بادی انجام گرفته. داده های موجود برای دو سایت واشنگتن و مونتانا واقع در ایالات متحده آمریکا برای سال های 8002 و 8002 مورد استفاده قرار گرفته این اطلاعات شامل سرعت های باد،رطوبت، دمای سایت نیروگاه، توان خروجی می باشد ورودی شبکه ایجاد شده شامل سرعت باد دمای هوا رطوبت خروجی شبکه توان تولیدی توربین های بادی می باشد.

کلیدواژه‌ها:

نیروگاه بادی، پیش بینی ، شبکه های عصبی بازگشتی، الگوریتم اجتماع ذرات ، الگوریتم ژنتیک

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-ELECTRICA01-ELECTRICA01_066.html
کد COI مقاله: ELECTRICA01_066

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:
لطفی, حسین و تکتم لطفی، ۱۳۹۳، پیش بینی میان مدت و بلند مدت توان تولیدی نیروگاه بادی با شبکه های عصبی آموزش یافته با الگوریتم های ژنتیک و اجتماع ذرات، همایش ملی مهندسی برق، مخابرات و توسعه پایدار، مشهد، موسسه اموزش عالی خاوران، https://www.civilica.com/Paper-ELECTRICA01-ELECTRICA01_066.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: (لطفی, حسین و تکتم لطفی، ۱۳۹۳)
برای بار دوم به بعد: (لطفی و لطفی، 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 :

  • K. Methaprayoon, C. Yingviv atanapong, W. J. Lee, and J. ...
  • Kusiak, A., Zheng, H., and Song, Z., "Models for monitoring ...
  • Catalao, J., Pousinho, H., and Mendes, V, "Hybrid intelligent approach ...
  • Torres, J.L., Garcia, A., De Blas, M., De Francisco, A.: ...
  • Kavasseri, R.G., Seetharaman, K.: 'Day-ahead wind speed forecasting using f-ARIMA ...
  • P. Flores, A. Tapia, and G. Tapia, "Application o f ...
  • Damousis, I., Alexiadis, M., Theocharis, J., and Dokopoulos, P., _ ...
  • Potter, C.W., Negnevitsky, W.: 'Very short-term wind forecasting for Tasmanian ...
  • Shuhui, L., Wunsch, D. C., O'Hair, E., and Giesselmann, M. ...
  • LI Xingpei, LIU Yibing, XIN Weidong .Wind Speed Prediction Based ...
  • Clerc, M., Kennedy, J., 2002. The particle swarm-explo sion, stability, ...
  • Konstantinos E. Parsopoulos and Michael N Vrahatis, "On the Computation ...
  • All Global Minimizers Through Particle Swarm Optimization", IEEE TRAN SACTIONS ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۴۸۵
    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.